改进的ID3决策树分类算法在成绩分析中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 绪论 | 第11-13页 |
| 一 问题的提出 | 第11页 |
| 二 数据挖掘的应用现状 | 第11-12页 |
| 三 本文结构 | 第12-13页 |
| 第一章 数据挖掘分类技术 | 第13-20页 |
| ·数据挖掘基本知识 | 第13-15页 |
| ·数据挖掘概念 | 第13页 |
| ·数据挖掘的基本任务 | 第13-14页 |
| ·数据挖掘的基本技术 | 第14-15页 |
| ·数据挖掘的实施步骤 | 第15页 |
| ·数据挖掘分类技术基本知识 | 第15-19页 |
| ·分类基本概念 | 第15页 |
| ·分类基本算法 | 第15-18页 |
| ·分类准确度评估方法 | 第18-19页 |
| 本章小结 | 第19-20页 |
| 第二章 决策树分类算法 | 第20-31页 |
| ·决策树方法介绍 | 第20-22页 |
| ·决策树描述 | 第20-21页 |
| ·决策树生成过程 | 第21页 |
| ·决策树分类算法的生成指标 | 第21-22页 |
| ·几种常见的决策树分类算法 | 第22-26页 |
| ·ID3 算法简介 | 第22-23页 |
| ·C4.5 算法简介 | 第23-24页 |
| ·CART 算法简介 | 第24页 |
| ·SLIQ 算法简介 | 第24-25页 |
| ·SPRINT 算法简介 | 第25页 |
| ·PUBLIC 算法简介 | 第25页 |
| ·算法比较 | 第25-26页 |
| ·基于信息论的ID3 算法 | 第26-30页 |
| ·信息论在ID3 算法中的应用 | 第26-27页 |
| ·ID3 算法原理 | 第27-28页 |
| ·ID3 算法描述 | 第28-29页 |
| ·ID3 算法优缺点 | 第29-30页 |
| 本章小结 | 第30-31页 |
| 第三章 改进的决策树ID3 算法 | 第31-39页 |
| ·ID3 算法的缺点 | 第31页 |
| ·改进算法的理论基础 | 第31-33页 |
| ·理论基础 | 第31-32页 |
| ·克服选择属性的偏向 | 第32-33页 |
| ·属性选择标准的改进 | 第33页 |
| ·改进的算法 | 第33-38页 |
| ·算法步骤 | 第33-34页 |
| ·算法数据结构 | 第34-35页 |
| ·算法流程图 | 第35页 |
| ·算法实现 | 第35-38页 |
| 本章小结 | 第38-39页 |
| 第四章 改进的ID3 算法在学生成绩中的应用 | 第39-55页 |
| ·解决方案 | 第39-40页 |
| ·数据预处理 | 第40-42页 |
| ·数据采集 | 第40页 |
| ·数据清洗 | 第40-41页 |
| ·数据消减 | 第41-42页 |
| ·采用改进的ID3 算法进行数据挖掘 | 第42-47页 |
| ·类别属性信息熵的计算 | 第42页 |
| ·非类别属性信息熵的计算 | 第42-43页 |
| ·信息增益的计算 | 第43-44页 |
| ·递归创建决策树 | 第44-46页 |
| ·生成决策规则 | 第46-47页 |
| ·实验结果和比较 | 第47-54页 |
| ·时间复杂度分析 | 第47页 |
| ·构造决策树选择属性分析 | 第47-49页 |
| ·分类规则分析 | 第49-50页 |
| ·分类性能分析 | 第50-54页 |
| 本章小结 | 第54-55页 |
| 第五章 实例研究—学生成绩分析评估系统 | 第55-70页 |
| ·开发环境和相关技术 | 第55-60页 |
| ·开发环境 | 第55-56页 |
| ·体系构架 | 第56-58页 |
| ·相关技术 | 第58-60页 |
| ·系统功能概要设计 | 第60-65页 |
| ·需求分析 | 第60-61页 |
| ·功能需求 | 第61-63页 |
| ·系统流程 | 第63-65页 |
| ·系统功能模块设计 | 第65-69页 |
| ·数据预处理模块 | 第65-66页 |
| ·决策树生成模块 | 第66-67页 |
| ·决策树剪枝模块 | 第67页 |
| ·结果评价模块 | 第67-68页 |
| ·系统预测功能模块 | 第68-69页 |
| 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
