Weka平臺下電商系統(tǒng)的決策算法研究.pdf

1、當今社會伴隨信息產業(yè)和技術的迅猛發(fā)展，互聯(lián)網技術和應用已經成為信息傳遞的最主要手段和平臺，而隨著數據庫應用的規(guī)模、范圍和深度不斷擴大，數據挖掘工作變得尤為重要。數據挖掘集合了機器學習、模式識別、統(tǒng)計、數據庫等技術，廣泛運用在電子商務系統(tǒng)、銀行信用系統(tǒng)、保險行業(yè)、電信業(yè)務系統(tǒng)、醫(yī)療系統(tǒng)等方方面面。而決策樹分類算法是數據挖掘算法體系中比較常用也較為經典的算法。
　　決策樹分類算法體系有很多種算法，包括比較經典的ID3、C4.5、CAR

2、T算法等，當前形勢下，對算法效率的提升，是一個很重要的研究課題。本文在學習決策樹分類 C4.5算法的基礎上，以 C4.5V1算法為研究重點，在此基礎上，展開進一步的研究和創(chuàng)新。首先，充分學習分析了數據挖掘平臺WEKA的功能和系統(tǒng)框架，在該平臺下對各經典算法進行數據演練和性能評估，遵照決策樹分類算法性能的評價標準，對各算法性能進行比較和分析。其次，對C4.5算法進行深入研究，并且設計出算法系統(tǒng)的模塊組成部分，實現(xiàn)了代碼，集成到Weka平臺

3、下。使用網上公開的用于數據挖掘的數據集進行測試，與經典的C4.5進行性能上的對比，驗證了C4.5V1算法很好地集成到Weka平臺下，且性能明顯優(yōu)于經典算法。不足的是，建模時間復雜度卻增大了。接著，本文在C4.5V1算法的基礎上，提出了改進的C4.5V2算法和C4.5V3算法，分別從算法的分類準確率和算法的建模時間兩個方面進行了改進。C4.5V2算法通過引入屬性間冗余度的概念，削弱了其他屬性對當前屬性的分類影響程度，從而提高了算法的分類準

4、確率。但與此同時，C4.5V2算法在建模時間上有了更多的消耗，它的準確率的提高是以犧牲建模時間為代價的。改進的C4.5V3算法很好地解決這一問題，通過將公式中大量的對數運算簡化成四則運算，簡化了算法體系的計算過程，從而極大地壓縮了算法的建模時間。最后，將改進后的C4.5V2、C4.5V3算法實現(xiàn)代碼化，集成到WEKA平臺下，進行算法性能測試，同時，應用到電商系統(tǒng)的數據集中，分別使用C4.5算法以及改進的各個版本，在分類準確率和算法建模時