数据挖掘中分类算法研究及应用
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12页 |
| 1.3 论文结构及创新点 | 第12-14页 |
| 2.分类算法介绍 | 第14-22页 |
| 2.1 分类的过程 | 第14-15页 |
| 2.1.1 建立模型 | 第14页 |
| 2.1.2 使用模型进行分类 | 第14-15页 |
| 2.2 分类的目的 | 第15页 |
| 2.3 分类分析准确率技术 | 第15-17页 |
| 2.3.1 装袋 | 第16页 |
| 2.3.2 提升 | 第16页 |
| 2.3.3 随机森林 | 第16-17页 |
| 2.4 决策树 | 第17-18页 |
| 2.5 基于频繁模式分类 | 第18-19页 |
| 2.6 贝叶斯信念网络 | 第19页 |
| 2.7 后向传播分类 | 第19-20页 |
| 2.8 支持向量机 | 第20页 |
| 2.9 其他分类 | 第20-21页 |
| 2.10本章小结 | 第21-22页 |
| 3.ID3决策树算法改进 | 第22-42页 |
| 3.1 ID3分类算法回顾 | 第22-24页 |
| 3.1.1 ID3算法详细流程 | 第22-23页 |
| 3.1.2 ID3算法的不足 | 第23-24页 |
| 3.2 ID3算法的改进 | 第24-31页 |
| 3.2.1 计算复杂度的改进 | 第24-25页 |
| 3.2.2 属性值的改进 | 第25-26页 |
| 3.2.3 连续值模型转换为离散值模型 | 第26-28页 |
| 3.2.4 改进算法流程 | 第28-31页 |
| 3.3 仿真实验及分析 | 第31-41页 |
| 3.3.1 示例数据 | 第31-36页 |
| 3.3.2 UCI数据 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4.基于改进ID3分类算法的应用 | 第42-52页 |
| 4.1 CRM简介 | 第42-45页 |
| 4.1.1 CRM含义 | 第42-43页 |
| 4.1.2 CRM系统结构 | 第43-44页 |
| 4.1.3 CRM中的数据挖掘的流程 | 第44-45页 |
| 4.2 基于改进ID3算法的客户分析 | 第45-51页 |
| 4.2.1 数据抽样 | 第45-47页 |
| 4.2.2 数据预处理 | 第47-48页 |
| 4.2.3 建立模型 | 第48-50页 |
| 4.2.4 实验结果分析 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5.结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-58页 |
| 作者简介 | 第58-59页 |
