結(jié)合屬性關(guān)聯(lián)度的決策樹算法研究及應(yīng)用.pdf

1、在新的世紀(jì)，挑戰(zhàn)與機(jī)遇并存，可以說(shuō)利用并駕馭所產(chǎn)生出的海量數(shù)據(jù)關(guān)系著各個(gè)行業(yè)未來(lái)的發(fā)展。在大數(shù)據(jù)領(lǐng)域的深入探索可以更宏觀的分析數(shù)據(jù)模式，發(fā)現(xiàn)潛在規(guī)律并對(duì)未來(lái)趨勢(shì)進(jìn)行合理預(yù)測(cè)，從而可以洞察到更為深刻、有效、全面的信息。數(shù)據(jù)挖掘相關(guān)算法的研究，可以說(shuō)是兼具科學(xué)研究?jī)r(jià)值與實(shí)用價(jià)值。
　　本課題在經(jīng)典的決策樹C4.5算法基礎(chǔ)上，利用Apriori關(guān)聯(lián)規(guī)則算法將數(shù)據(jù)源屬性間的關(guān)聯(lián)度結(jié)合到后期決策樹的計(jì)算中。傳統(tǒng)的C4.5算法對(duì)選擇分裂屬性時(shí)

2、只是考慮待測(cè)屬性與類屬性之間的相關(guān)性，忽視了非類屬性間的關(guān)聯(lián)程度，而這種關(guān)聯(lián)程度決定了屬性間冗余度的大小。為了能夠降低冗余帶來(lái)的影響，本文運(yùn)用信息增益的思想對(duì)待測(cè)屬性和其他非類屬性進(jìn)行度量，并加入到原始的算法中，從而生成更加可靠的分裂屬性。另外在決策樹模型的構(gòu)建過(guò)程中，針對(duì)屬性涵蓋信息量不足的情況，論文同時(shí)也采用了關(guān)聯(lián)規(guī)則Apriori算法生成一系列強(qiáng)規(guī)則，并根據(jù)提出的新屬性選擇標(biāo)準(zhǔn)，從這些強(qiáng)規(guī)則中繼續(xù)篩選出新的屬性并加入到原始屬性集合

3、中，達(dá)到擴(kuò)充信息量的目的，進(jìn)而使C4.5算法預(yù)測(cè)的準(zhǔn)確率得到提升。
　　一個(gè)樣例中包含的信息往往是多樣而豐富的。利用傳統(tǒng)的決策樹算法，我們可以知道“屬性-分類”的關(guān)聯(lián)程度，但屬性間的關(guān)聯(lián)程度是一種對(duì)數(shù)據(jù)集的橫向分析，通過(guò)分析兩個(gè)屬性間的關(guān)系可以使我們的分析框架更為立體，結(jié)果更具有可用性。最后，本文將該方法應(yīng)用到了實(shí)例中，利用歷史數(shù)據(jù)找出影響健身場(chǎng)館顧客入會(huì)的主次因素，結(jié)合相關(guān)屬性建立模型并進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)那些有興趣并且有較高價(jià)值的客