决策树技术在高校就业分析系统中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文结构及研究内容 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 论文结构 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 2 数据挖掘及决策树理论 | 第14-22页 |
| 2.1 数据挖掘相关理论 | 第14-17页 |
| 2.1.1 数据挖掘的定义 | 第14页 |
| 2.1.2 数据挖掘的对象 | 第14-15页 |
| 2.1.3 数据挖掘的步骤 | 第15-16页 |
| 2.1.4 数据挖掘的方法 | 第16-17页 |
| 2.2 决策树概述 | 第17-20页 |
| 2.2.1 决策树描述 | 第17-18页 |
| 2.2.2 决策树生成过程 | 第18页 |
| 2.2.3 几种常见决策树算法 | 第18-20页 |
| 2.2.4 决策树分类算法性能评价 | 第20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 决策树ID3算法及其改进 | 第22-32页 |
| 3.1 ID3算法 | 第22-24页 |
| 3.1.1 ID3算法的基本思想 | 第22-23页 |
| 3.1.2 算法描述 | 第23页 |
| 3.1.3 算法分析 | 第23-24页 |
| 3.2 ID3算法的改进 | 第24-27页 |
| 3.2.1 基于修正函数的算法 | 第25-26页 |
| 3.2.2 基于属性优先值的改进算法 | 第26页 |
| 3.2.3 基于修正系数的ID3改进算法 | 第26-27页 |
| 3.2.4 ID3改进算法描述 | 第27页 |
| 3.3 ID3改进算法实例分析 | 第27-29页 |
| 3.4 性能对比 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 4 高校就业分析系统的设计 | 第32-42页 |
| 4.1 问题提出 | 第32页 |
| 4.2 系统设计 | 第32-35页 |
| 4.2.1 概念设计 | 第32-33页 |
| 4.2.2 逻辑设计 | 第33-35页 |
| 4.3 实施数据挖掘 | 第35-40页 |
| 4.3.1 挖掘对象及目标确定 | 第37页 |
| 4.3.2 数据采集 | 第37页 |
| 4.3.3 数据预处理 | 第37-40页 |
| 4.3.4 训练集与测试集的选择 | 第40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 基于ID3改进算法在高校就业分析系统中的实现 | 第42-56页 |
| 5.1 ID3改进算法在毕业生就业系统中的应用 | 第42-54页 |
| 5.1.1 构造决策树 | 第42-51页 |
| 5.1.2 生成分类规则 | 第51-53页 |
| 5.1.3 分类规则测试 | 第53-54页 |
| 5.2 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
