数据挖掘在高校考研预测成绩分析中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-11页 |
| ·课题的研究背景及选题意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·论文研究内容 | 第9-11页 |
| 第二章 数据挖掘理论概述 | 第11-15页 |
| ·数据挖掘技术的概念 | 第11页 |
| ·数据挖掘的过程 | 第11页 |
| ·数据挖掘的分析方法 | 第11-13页 |
| ·数据挖掘的算法 | 第13页 |
| ·数据挖掘的几个常用概念 | 第13-14页 |
| ·数据挖掘常用软件工具 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第三章 数据挖掘常用算法的分析 | 第15-21页 |
| ·贝叶斯分类 | 第15-18页 |
| ·贝叶斯分类的概念 | 第15页 |
| ·贝叶斯法则 | 第15页 |
| ·先验概率和后验概率 | 第15页 |
| ·贝叶斯定理 | 第15-16页 |
| ·贝叶斯分类举例 | 第16页 |
| ·朴素贝叶斯分类的工作过程 | 第16-18页 |
| ·支持向量机 | 第18-19页 |
| ·支持向量机的概念 | 第18页 |
| ·统计学习理论的介绍 | 第18-19页 |
| ·支持向量机的算法 | 第19页 |
| ·回归分析 | 第19-20页 |
| ·回归分析的概念 | 第19页 |
| ·回归分析的内容与步骤 | 第19-20页 |
| ·一元线性回归 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第四章 数据挖掘在考研成绩预测中的应用 | 第21-47页 |
| ·Weka的简介 | 第21页 |
| ·基于Weka的考研预测实验内容及准备 | 第21-24页 |
| ·实验基本内容 | 第21-22页 |
| ·数据的准备及预处理 | 第22-24页 |
| ·格式转换方法 | 第24页 |
| ·建立数据训练集、校验集和测试 | 第24页 |
| ·基于Weka的考研预测之贝叶斯分类 | 第24-28页 |
| ·数据预处理 | 第24-26页 |
| ·实验过程及结果截图 | 第26-28页 |
| ·基于Weka的考研预测之LIBSVM分类 | 第28-33页 |
| ·数据预处理 | 第28-31页 |
| ·实验过程及结果截图 | 第31-33页 |
| ·基于Weka的考研预测之线性回归分类 | 第33-38页 |
| ·数据预处理 | 第33-37页 |
| ·实验过程及结果截图 | 第37-38页 |
| ·三类分类方法的校验结果比较 | 第38-43页 |
| ·训练最优模型 | 第43-46页 |
| ·实验结果 | 第43-45页 |
| ·三种算法在进行测试的性能比较分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |
