数据挖掘分类算法的研究和应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要贡献与创新 | 第12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 第二章 数据挖掘相关理论概述 | 第14-21页 |
| 2.1 数据挖掘简述 | 第14-15页 |
| 2.2 数据预处理 | 第15-16页 |
| 2.2.1 数据预处理的原因 | 第15页 |
| 2.2.2 数据预处理的方法 | 第15-16页 |
| 2.3 特征工程 | 第16-17页 |
| 2.4 分类算法性能评估 | 第17-19页 |
| 2.5 类别不平衡问题 | 第19-20页 |
| 2.6 多分类问题 | 第20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 数据挖掘分类算法 | 第21-40页 |
| 3.1 经典分类算法 | 第21-27页 |
| 3.1.1 朴素贝叶斯 | 第21-22页 |
| 3.1.2 逻辑回归 | 第22-23页 |
| 3.1.3 K-最近邻 | 第23-24页 |
| 3.1.4 支持向量机 | 第24-25页 |
| 3.1.5 决策树 | 第25-27页 |
| 3.2 集成学习算法 | 第27-31页 |
| 3.2.1 Bagging和Boosting | 第28-29页 |
| 3.2.2 随机森林 | 第29页 |
| 3.2.3 GBDT和xgboost | 第29-31页 |
| 3.3 公开数据集 | 第31-32页 |
| 3.4 算法实验及结果分析 | 第32-39页 |
| 3.4.1 算法工具包 | 第32页 |
| 3.4.2 数据集描述 | 第32-34页 |
| 3.4.3 算法实验 | 第34-37页 |
| 3.4.4 实验结果分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于分类算法的人寿保险风险等级评估 | 第40-57页 |
| 4.1 问题背景分析 | 第40页 |
| 4.2 数据集描述和预处理 | 第40-44页 |
| 4.2.1 数据集描述 | 第40-41页 |
| 4.2.2 数据统计分析 | 第41-43页 |
| 4.2.3 数据预处理 | 第43-44页 |
| 4.2.4 核心代码 | 第44页 |
| 4.3 风险等级评估模型设计 | 第44-47页 |
| 4.3.1 算法评估 | 第44-45页 |
| 4.3.2 方案设计 | 第45页 |
| 4.3.3 参数调节 | 第45-47页 |
| 4.3.3.1 随机森林算法参数 | 第45-46页 |
| 4.3.3.2 xgboost算法参数 | 第46-47页 |
| 4.3.3.3 算法调参方法 | 第47页 |
| 4.4 风险等级评估模型实现 | 第47-55页 |
| 4.4.1 随机森林模型 | 第47-51页 |
| 4.4.2 xgboost模型 | 第51-53页 |
| 4.4.3 综合模型 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
