数据挖掘中决策树方法研究及其在房地产中介的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·课题来源 | 第7页 |
| ·国内外在数据挖掘方面的研究动态 | 第7-8页 |
| ·数据挖掘在房地产行业中的应用 | 第8-9页 |
| ·数据挖掘概述 | 第9-14页 |
| ·数据挖掘的定义 | 第9-10页 |
| ·数据挖掘的任务 | 第10-11页 |
| ·数据挖掘的流程 | 第11-13页 |
| ·数据挖掘的方法 | 第13-14页 |
| ·研究内容及主要工作 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 日本DJ集团不动产系统中的分类问题 | 第16-27页 |
| ·系统简介 | 第16-17页 |
| ·系统体系结构 | 第17-20页 |
| ·系统功能框图 | 第20页 |
| ·房地产中介子系统简介 | 第20-24页 |
| ·需求分析及总体思路 | 第24-26页 |
| ·需求分析 | 第24-25页 |
| ·总体思路 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 用于分类的决策树ID3算法 | 第27-53页 |
| ·分类 | 第27-28页 |
| ·分类的基本概念 | 第27-28页 |
| ·分类方法的比较标准 | 第28页 |
| ·常用分类方法 | 第28-34页 |
| ·分类方法的比较 | 第34-35页 |
| ·典型决策树分类算法 | 第35-40页 |
| ·ID3 算法 | 第35-36页 |
| ·C4.5 算法 | 第36-37页 |
| ·CART 算法 | 第37-38页 |
| ·SLIQ 算法 | 第38-39页 |
| ·SPRINT 算法 | 第39-40页 |
| ·决策树算法的比较 | 第40-41页 |
| ·ID3 算法及其优化 | 第41-51页 |
| ·信息论原理在ID3 算法中的应用 | 第41-44页 |
| ·信息熵概念的引入 | 第42-43页 |
| ·信息熵在决策树ID3 中的具体计算 | 第43-44页 |
| ·ID3 算法思想 | 第44页 |
| ·ID3 算法描述 | 第44-46页 |
| ·ID3 算法评价 | 第46-47页 |
| ·基于决策树ID3 算法的优化算法 | 第47-51页 |
| ·两次信息增益优化算法 | 第47-49页 |
| ·属性-值对优化算法 | 第49-50页 |
| ·属性-值对两次信息增益优化算法 | 第50-51页 |
| ·小结 | 第51-53页 |
| 第四章 决策树方法在房地产中介子系统中的应用 | 第53-80页 |
| ·应用流程 | 第53页 |
| ·数据准备 | 第53-61页 |
| ·数据集选取 | 第54-55页 |
| ·数据清理 | 第55-57页 |
| ·相关性分析 | 第57-58页 |
| ·数据概化 | 第58-61页 |
| ·模型实现 | 第61-73页 |
| ·用ID3 算法实现决策树模型 | 第61-66页 |
| ·用基于ID3 优化算法实现决策树模型 | 第66-72页 |
| ·两次信息增益优化算法 | 第66-67页 |
| ·属性-值对优化算法 | 第67-70页 |
| ·属性-值对两次信息增益优化算法 | 第70-72页 |
| ·决策树模型的剪枝 | 第72-73页 |
| ·提取分类规则 | 第73-75页 |
| ·模型评估 | 第75-78页 |
| ·模型使用 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第五章 结束语 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-84页 |
