一种改进的ID3决策树算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9-10页 |
| ·数据挖掘的研究历史和现状 | 第10-12页 |
| ·数据挖掘演变的过程 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文的结构 | 第12-13页 |
| 第2章 数据挖掘与决策树理论 | 第13-23页 |
| ·数据挖掘理论 | 第13-19页 |
| ·数据挖掘定义及简介 | 第13页 |
| ·数据挖掘常用技术 | 第13-15页 |
| ·数据挖掘的任务和步骤 | 第15-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘中应注意的问题 | 第18-19页 |
| ·决策树理论 | 第19-22页 |
| ·机器学习 | 第19页 |
| ·分类知识 | 第19-20页 |
| ·决策树描述 | 第20页 |
| ·决策树算法构成 | 第20-21页 |
| ·决策树类型与生成过程 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 决策树算法分析 | 第23-36页 |
| ·ID3算法 | 第23-30页 |
| ·ID3算法的基本思想 | 第23-24页 |
| ·ID3算法描述 | 第24-26页 |
| ·ID3算法评估分析 | 第26-27页 |
| ·ID3算法应用举例 | 第27-30页 |
| ·其他决策树算法 | 第30-32页 |
| ·C4.5算法简介 | 第30-31页 |
| ·CART算法 | 第31页 |
| ·PUBLIC算法 | 第31-32页 |
| ·SLIQ算法 | 第32页 |
| ·SPRINT算法 | 第32页 |
| ·决策树算法适合应用的问题 | 第32-33页 |
| ·决策树算法的分析比较 | 第33-34页 |
| ·ID3算法的优劣 | 第34-35页 |
| ·ID3算法的优点 | 第34页 |
| ·ID3算法的不足 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 ID3的改进算法 | 第36-42页 |
| ·算法的基本思想 | 第36-39页 |
| ·信息增益的属性递归 | 第36-37页 |
| ·知识优选策略 | 第37-38页 |
| ·AR-KOS算法 | 第38-39页 |
| ·算法描述 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 改进算法的分析与应用 | 第42-62页 |
| ·基于信息增益属性递归的应用 | 第42-46页 |
| ·知识优选策略的应用 | 第46-49页 |
| ·实验环境与结果分析 | 第49-51页 |
| ·实验环境 | 第49-50页 |
| ·结果分析 | 第50-51页 |
| ·AR-KOS算法与ID3算法的同例比较 | 第51-61页 |
| ·ID3算法应用举例 | 第51-55页 |
| ·AR-KOS算法的同例应用 | 第55-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
