决策树分类算法及其应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究意义 | 第7-8页 |
| 1.3 数据挖掘技术国内外研究现状 | 第8-9页 |
| 1.4 决策树分类算法的研究现状 | 第9-10页 |
| 1.5 论文的内容安排 | 第10-13页 |
| 2 决策树分类算法 | 第13-25页 |
| 2.1 决策树方法 | 第13-14页 |
| 2.1.1 决策树 | 第13页 |
| 2.1.2 决策树的建立 | 第13-14页 |
| 2.2 常见的决策树方法 | 第14-20页 |
| 2.2.1 信息论的概述 | 第14-15页 |
| 2.2.2 ID3算法 | 第15-16页 |
| 2.2.3 C4.5 算法 | 第16-17页 |
| 2.2.4 CART算法 | 第17-18页 |
| 2.2.5 SLIQ算法 | 第18-19页 |
| 2.2.6 SPRINT算法 | 第19页 |
| 2.2.7 PUBLIC算法 | 第19-20页 |
| 2.3 常见的剪枝技术 | 第20-24页 |
| 2.3.1 预剪枝法 | 第21页 |
| 2.3.2 后剪枝法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 改进的决策树分类算法 | 第25-35页 |
| 3.1 算法改进的理论基础 | 第25-26页 |
| 3.1.1 信息系统 | 第25页 |
| 3.1.2 决策树算法改进 | 第25-26页 |
| 3.2 改进的算法描述 | 第26-27页 |
| 3.3 算法举例 | 第27-33页 |
| 3.3.1 决策树ID3算法举例 | 第27-30页 |
| 3.3.2 新决策树NT算法举例 | 第30-31页 |
| 3.3.3 实验结果与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 4 属性选择标准优化的决策算法 | 第35-41页 |
| 4.1 引入兴趣度的算法 | 第35-36页 |
| 4.2 优化的属性选择 | 第36-37页 |
| 4.3 算法描述 | 第37页 |
| 4.4 NTT算法举例 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 改进算法的应用 | 第41-47页 |
| 5.1 应用研究背景 | 第41-42页 |
| 5.2 数据收集 | 第42-43页 |
| 5.3 数据预处理 | 第43-44页 |
| 5.4 建立决策树 | 第44-45页 |
| 5.5 实验结果 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-57页 |
| Ⅰ 本文所用部分数据 | 第55-57页 |
| Ⅱ 本人在攻读硕士学位期间发表的论文 | 第57页 |
