| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 概述 | 第9-13页 |
| ·论文背景 | 第9-11页 |
| ·论文研究工作 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第2章 决策树分类算法的研究 | 第13-27页 |
| ·数据挖掘中的分类思想 | 第13-15页 |
| ·决策树算法概述 | 第15-20页 |
| ·决策树的生成 | 第15页 |
| ·决策树的剪枝 | 第15-20页 |
| ·常见的决策树分类算法 | 第20-27页 |
| ·ID3算法 | 第20-22页 |
| ·C4.5算法 | 第22-24页 |
| ·CART算法 | 第24-25页 |
| ·其它决策树算法 | 第25-27页 |
| 第3章 ID3算法的研究与优化 | 第27-36页 |
| ·ID3算法存在的问题 | 第27-32页 |
| ·连续属性值问题 | 第27-28页 |
| ·属性值空缺的问题 | 第28-29页 |
| ·多值偏向问题 | 第29-30页 |
| ·过度拟合问题 | 第30-32页 |
| ·ID3算法的优化 | 第32-36页 |
| 第4章 重要属性缺失导致的过度拟合问题与分类评价模型 | 第36-46页 |
| ·重要属性缺失导致的过度拟合问题 | 第36-40页 |
| ·信息增益的两种极端情况 | 第40-41页 |
| ·三种可能的事前预测准确率模型 | 第41-43页 |
| ·分类评价模型的确定 | 第43-46页 |
| 第5章 决策树在股票分析方面的应用 | 第46-56页 |
| ·股票价格与股票价值 | 第46-49页 |
| ·股票的价值 | 第46-47页 |
| ·股票的价格 | 第47-48页 |
| ·几个重要的财务指标 | 第48-49页 |
| ·基于ID3算法的股票分析模型 | 第49-56页 |
| ·分类数据的预处理 | 第49-52页 |
| ·决策树的生成过程 | 第52-54页 |
| ·实验结果分析 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·论文工作总结 | 第56页 |
| ·进一步的研究工作 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 研究生阶段所发表的论文和科研成果 | 第60页 |