數(shù)據(jù)挖掘分類算法研究.pdf

1、隨著人類社會和計算機技術的飛速發(fā)展，電子數(shù)據(jù)的積累出現(xiàn)了爆炸式的增長。這些海量的電子數(shù)據(jù)里面無疑隱藏著豐富的對人類深具價值的知識，而傳統(tǒng)的數(shù)據(jù)分析工具只能利用其中的很少一部分。近年來不斷完善發(fā)展的數(shù)據(jù)挖掘技術恰恰能幫助人們從數(shù)據(jù)中發(fā)現(xiàn)大量的隱藏知識，而分類正是其中的極其重要的技術方法。準確率、速度、強壯性、可伸縮性、可解釋性是評估分類方法的五條標準，其中準確率又是重中之重。本文在這幾方面研究、分析了國內(nèi)外比較流行的若干種分類方法：決策樹

2、分類、貝葉斯分類、神經(jīng)網(wǎng)絡分類、支持向量機分類等等。 在這些方法中，決策樹是采用最廣泛的模型之一。本文重點以決策樹為研究對象，研究涉及決策樹建立過程中的各個主要環(huán)節(jié)，對決策樹現(xiàn)在及未來發(fā)展中遇到的主要問題做了比較深入的研究，提出了一些切實有效的新方法改善決策樹的性能，為決策樹的進一步應用做出了自己的貢獻。 本文所涉及的決策樹與其它數(shù)據(jù)挖掘方法交叉的共同環(huán)節(jié)，如屬性選擇、降維、連續(xù)屬性離散化等不僅可以用來改善決策樹的性能，