基于平面向量的决策树算法在高考志愿选择系统中的应用
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·选题背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要工作 | 第13-15页 |
| 2 数据挖掘相关知识介绍 | 第15-21页 |
| ·数据挖掘的广义观点 | 第15页 |
| ·数据挖掘与分类 | 第15-17页 |
| ·数据挖掘技术简介 | 第15-16页 |
| ·算法的选择及依据 | 第16-17页 |
| ·分类方法概述 | 第17页 |
| ·决策树分类方法综述 | 第17-21页 |
| ·决策树的表示 | 第17-18页 |
| ·决策树分类方法的步骤 | 第18-19页 |
| ·决策树算法的优势 | 第19页 |
| ·决策树算法的发展 | 第19-21页 |
| 3 主要决策树算法介绍 | 第21-27页 |
| ·ID3 算法 | 第21-23页 |
| ·信息熵的相关定义 | 第21-22页 |
| ·ID3 算法的执行过程 | 第22-23页 |
| ·ID3 算法的不足之处 | 第23页 |
| ·C4.5 算法 | 第23-26页 |
| ·用C4.5 算法构造决策树 | 第23-24页 |
| ·C4.5 对连续属性的处理 | 第24页 |
| ·C4.5 算法的剪枝技术 | 第24-26页 |
| ·模型的评估 | 第26页 |
| ·C4.5 在使用中遇到的问题 | 第26-27页 |
| 4 数据的收集与预处理 | 第27-32页 |
| ·引言 | 第27页 |
| ·原始数据录入 | 第27-28页 |
| ·数据预处理过程 | 第28-30页 |
| ·数据清理 | 第28-29页 |
| ·数据变换 | 第29页 |
| ·数据约简 | 第29-30页 |
| ·属性的约简 | 第30-32页 |
| ·知识系统 | 第30页 |
| ·知识的依赖性和属性的重要性 | 第30-31页 |
| ·确定属性集的步骤 | 第31-32页 |
| 5 C4.5 的改进和系统的实现 | 第32-49页 |
| ·引言 | 第32页 |
| ·数据收集与预处理 | 第32-34页 |
| ·确定关键属性 | 第32-33页 |
| ·对条件属性相同但分类不同的记录的处理 | 第33-34页 |
| ·模型的构建 | 第34-37页 |
| ·训练样本和测试样本的抽取 | 第34-35页 |
| ·模型的构建 | 第35-37页 |
| ·决策树的剪枝 | 第37-42页 |
| ·算法的验证 | 第42-44页 |
| ·系统的实现 | 第44-49页 |
| ·需求分析 | 第44页 |
| ·系统流程图 | 第44-45页 |
| ·数据采集与决策树的生成 | 第45-47页 |
| ·系统的功能实现 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录A 合向量的求解代码 | 第52-55页 |
| 附录B 新剪枝算法的核心代码 | 第55-57页 |
| 作者简历 | 第57-59页 |
| 学位论文数据集 | 第59-60页 |
