决策树分类方法在保险业务中的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第6-12页 |
| ·本课题的研究背景及研究意义 | 第6-7页 |
| ·KDD 的发展历史及国内外研究动态 | 第7-9页 |
| ·KDD 的应用概况 | 第9-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 2 分类和分类模型的准确性 | 第12-17页 |
| ·分类的概念 | 第12页 |
| ·分类的算法 | 第12-13页 |
| ·评估分类模型准确性的方法 | 第13-16页 |
| ·提升图的表示方法 | 第14-15页 |
| ·累积增加图的表示方法 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 决策树算法的主要过程 | 第17-28页 |
| ·举例说明用决策树进行分类 | 第17-18页 |
| ·几种典型决策树分类算法 | 第18-22页 |
| ·ID3 算法 | 第18-19页 |
| ·C4.5 算法 | 第19-21页 |
| ·CART 算法 | 第21-22页 |
| ·选择划分属性的统计度量方法 | 第22-23页 |
| ·信息增益 | 第22-23页 |
| ·基尼指数 | 第23页 |
| ·用数值型属性划分节点的方法 | 第23页 |
| ·基于误差估计的剪枝算法 | 第23-24页 |
| ·决策树分类的可伸缩性算法 | 第24-27页 |
| ·可伸缩性算法设计 | 第24-25页 |
| ·可伸缩性算法结构 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 4 决策树分类器在保险业务中的应用 | 第28-35页 |
| ·分类器的基本概念 | 第28页 |
| ·几种基本的分类器 | 第28-29页 |
| ·决策树分类器 | 第28页 |
| ·选择树分类器 | 第28页 |
| ·证据分类器 | 第28-29页 |
| ·生成器运行模式 | 第29页 |
| ·分类器准确度评估方法 | 第29-30页 |
| ·影响一个分类器错误率的因素 | 第29页 |
| ·评估方法 | 第29-30页 |
| ·决策树分类器在保险业务中的应用 | 第30-34页 |
| ·构造决策树 | 第30-31页 |
| ·数据整理 | 第31-32页 |
| ·数据分析 | 第32页 |
| ·数据挖掘 | 第32-33页 |
| ·挖掘结果分析理解 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 结论与展望 | 第35-36页 |
| 致谢 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 附录 | 第39-40页 |
