基于信息增益的量化算法及其在決策樹中應用的研究.pdf

1、數(shù)據(jù)挖掘廣義上指的是從現(xiàn)存的海量數(shù)據(jù)中通過智能的手段提取出隱藏的、具有價值的模式或者規(guī)律、知識等一系列復雜的挖掘過程，在如今這個大數(shù)據(jù)時代，數(shù)據(jù)挖掘這一面向應用的技術從產生就在各行業(yè)發(fā)揮了非常重要的作用，而且擁有著影響企業(yè)發(fā)展的能力。其中對于數(shù)據(jù)挖掘而言，分類是其中重要的一項技術。目前，分類已廣泛應用于多個領域，如教育、金融、醫(yī)療等行業(yè)。分類具有決策樹、貝葉斯網(wǎng)絡、神經網(wǎng)絡、遺傳算法等方法，在這當中，決策樹分類算法因為理論基礎簡單、容易

2、理解掌握等優(yōu)點而被廣泛研究與應用。
　　本文主要是圍繞對連續(xù)數(shù)據(jù)的量化算法、量化后對決策樹算法分類精確度的影響進行展開研究，其主要研究內容和研究成果如下:
　　第一，針對目前國內外對決策樹分類算法、聚類算法的研究現(xiàn)狀以及比較決策樹分類算法、聚類算法的研究現(xiàn)狀（詳見第一章）。
　　第二，分別對決策樹分類算法、聚類算法的相關概念進行介紹（詳見第二章）。
　　第三，提出基于信息增益的量化算法及信息增益與聚類算法相結合的

3、量化算法，統(tǒng)稱為基于信息的量化算法（詳見第三章）。
　　第四，在實驗的基礎上實現(xiàn)提出的量化算法，并把量化后的數(shù)據(jù)應用在決策樹上，對比經決策樹分類后輸出的分類精度，并分析這些量化算法各自的優(yōu)勢。首先，使用改進的量化算法對數(shù)據(jù)集中的連續(xù)屬性值計算信息增益、離散化處理;其次，再運用決策樹算法對其進行分類，記錄分類準確度;然后，對比分析決策樹的分類準確度，觀察改進后分類準確度是否提高，并以分類準確度為衡量標準，選擇分類準確度最高對應的量化