基于Weka平台的决策树算法研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·决策树分类算法存在的问题 | 第9-10页 |
| ·本文研究的内容及其组织结构 | 第10-11页 |
| ·本文研究内容 | 第10-11页 |
| ·本文组织结构 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 决策树分类算法的研究和分析 | 第13-31页 |
| ·数据挖掘简介 | 第13-17页 |
| ·数据挖掘定义 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘常用方法 | 第15-17页 |
| ·常见的几种分类算法 | 第17-21页 |
| ·贝叶斯分类 | 第17-19页 |
| ·神经网络分类 | 第19页 |
| ·支持向量机分类 | 第19页 |
| ·K-最邻近分类 | 第19-20页 |
| ·其他分类方法 | 第20-21页 |
| ·决策树算法概述 | 第21-26页 |
| ·决策树的生成过程 | 第21-22页 |
| ·决策树的测试属性选择 | 第22-23页 |
| ·决策树的剪枝 | 第23-25页 |
| ·决策树的性能评价 | 第25-26页 |
| ·常见的几种决策树算法 | 第26-30页 |
| ·ID3 算法 | 第26-27页 |
| ·C4.5 算法 | 第27-28页 |
| ·CART 算法 | 第28页 |
| ·其他算法 | 第28-29页 |
| ·对以上几种算法的评价 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 决策树算法在 Weka 中的实现 | 第31-43页 |
| ·Weka 平台简介 | 第31-35页 |
| ·用户接口 | 第31-32页 |
| ·ARFF 文件结构 | 第32-33页 |
| ·Weka 探索者图形用户界面 | 第33-35页 |
| ·过滤算法 | 第35-38页 |
| ·无指导属性过滤器 | 第36-37页 |
| ·无指导实例过滤器 | 第37页 |
| ·有指导过滤器 | 第37-38页 |
| ·实验 | 第38-42页 |
| ·实验和结果 | 第38-41页 |
| ·在 Weka 中添加算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 改进算法的实现与评价 | 第43-57页 |
| ·Weka 主要类库分析 | 第43-44页 |
| ·实验分析 | 第44-49页 |
| ·算法的评价标准 | 第44-45页 |
| ·数据样本 | 第45页 |
| ·实验结果对比分析 | 第45-49页 |
| ·算法改进 | 第49-52页 |
| ·对 C4.5 算法的改进 | 第49-50页 |
| ·C4.5 算法与改进算法的比较 | 第50-52页 |
| ·实验结果分析与评价 | 第52-56页 |
| ·对改进算法模型的分析评价 | 第52-54页 |
| ·对改进算法的分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 研究成果 | 第65-66页 |
