數(shù)據(jù)挖掘分類算法的研究和應(yīng)用.pdf

1、隨著信息技術(shù)的發(fā)展，人們的活動(dòng)產(chǎn)生了海量的數(shù)據(jù)，數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)掘有價(jià)值信息的重要手段，在實(shí)際生活中得到了廣泛的應(yīng)用。數(shù)據(jù)挖掘分類算法作為數(shù)據(jù)挖掘中最為關(guān)鍵的技術(shù)，能夠解決實(shí)際生活中出現(xiàn)最多的分類問(wèn)題，因此吸引了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，在政治、經(jīng)濟(jì)、交通、生活等領(lǐng)域發(fā)揮越來(lái)越重要的作用。
　　本文主要工作是對(duì)數(shù)據(jù)挖掘分類算法的研究以及在實(shí)際數(shù)據(jù)集上進(jìn)行算法實(shí)驗(yàn)，并利用集成學(xué)習(xí)算法解決人壽保險(xiǎn)風(fēng)險(xiǎn)等級(jí)評(píng)估問(wèn)題。
　　

2、首先，本文介紹了課題研究的背景和意義以及數(shù)據(jù)挖掘技術(shù)在國(guó)內(nèi)外的研究現(xiàn)狀，并對(duì)數(shù)據(jù)挖掘的相關(guān)理論進(jìn)行概述，重點(diǎn)分析了數(shù)據(jù)預(yù)處理、特征工程、分類算法性能評(píng)估、類別不平衡問(wèn)題和多分類問(wèn)題。
　　其次，本文研究了數(shù)據(jù)挖掘中常見(jiàn)分類算法。經(jīng)典分類算法部分重點(diǎn)研究了樸素貝葉斯算法、邏輯回歸算法、K-最近鄰算法、支持向量機(jī)算法和決策樹算法，給出了每個(gè)算法的基本原理、算法實(shí)現(xiàn)步驟和算法的優(yōu)缺點(diǎn)。集成學(xué)習(xí)算法部分重點(diǎn)介紹了Bagging方法及其代表

3、算法隨機(jī)森林算法，Boosting方法及其代表算法GBDT算法和xgboost算法。在三個(gè)不同規(guī)模的公開數(shù)據(jù)集上實(shí)現(xiàn)這些算法，進(jìn)行算法實(shí)驗(yàn)，通過(guò)對(duì)比分析得出：隨著數(shù)據(jù)集規(guī)模的擴(kuò)大，集成學(xué)習(xí)算法相比經(jīng)典分類算法在數(shù)據(jù)集上有更加優(yōu)秀的表現(xiàn)。
　　最后，建立基于集成學(xué)習(xí)分類算法的人壽保險(xiǎn)風(fēng)險(xiǎn)等級(jí)評(píng)估模型，將集成學(xué)習(xí)分類算法應(yīng)用到人壽保險(xiǎn)風(fēng)險(xiǎn)等級(jí)評(píng)估這一實(shí)際問(wèn)題的解決上。通過(guò)對(duì)人壽保險(xiǎn)數(shù)據(jù)的預(yù)處理和特征工程，得到建立算法模型所需的數(shù)據(jù)集。