基于帕金森综合症患者家庭测试仪器数据的数据挖掘方法比较
| 内容摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题的背景与意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·文章结构与特点 | 第11-13页 |
| ·本文主要研究内容 | 第11-12页 |
| ·本文创新之处 | 第12-13页 |
| 第2章 相关概念、理论和方法 | 第13-23页 |
| ·帕金森综合症及家庭测试仪相关概念 | 第13-14页 |
| ·数据挖掘概述 | 第14-15页 |
| ·数据挖掘的核心内容 | 第15-21页 |
| ·数据挖掘的主要任务 | 第16-17页 |
| ·数据挖掘的主要步骤 | 第17-18页 |
| ·数据的预处理 | 第18-19页 |
| ·数据挖掘方法 | 第19-21页 |
| ·评价方法 | 第21页 |
| ·R软件包Rattle | 第21-23页 |
| 第3章 数据挖掘模型和评价方法 | 第23-38页 |
| ·决策树模型 | 第23-24页 |
| ·知识表示 | 第23页 |
| ·算法 | 第23-24页 |
| ·随机森林模型 | 第24-25页 |
| ·支持向量机 | 第25-26页 |
| ·K最邻近结点算法 | 第26-27页 |
| ·混淆矩阵 | 第27页 |
| ·受试者工作特征曲线 | 第27-28页 |
| ·神经网络模型 | 第28-31页 |
| ·广义线性模型 | 第31-38页 |
| ·广义线性模型定义 | 第31-32页 |
| ·指数族分布 | 第32-34页 |
| ·连接函数 | 第34-35页 |
| ·参数估计 | 第35-36页 |
| ·假设检验 | 第36-38页 |
| 第4章 数据挖掘实施 | 第38-60页 |
| ·数据来源和数据预处理 | 第38-40页 |
| ·数据来源和数据分割 | 第38页 |
| ·数据的预处理 | 第38-40页 |
| ·分类数据挖掘 | 第40-51页 |
| ·决策树模型 | 第41-43页 |
| ·随机森林模型 | 第43-45页 |
| ·支持向量机 | 第45-47页 |
| ·K最邻近结点算法 | 第47-49页 |
| ·模型评价 | 第49-51页 |
| ·预测数据 | 第51-60页 |
| ·决策树模型 | 第51-52页 |
| ·随机森林模型 | 第52-54页 |
| ·广义线性模型模型 | 第54-56页 |
| ·人工神经网络模型 | 第56-58页 |
| ·模型评价 | 第58-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 后记 | 第64页 |
