数据挖掘中的决策树算法比较研究

决策树算法是数据挖掘中一个重要的内容,但是在实际应用过程中,现存的多种决策树算法也存在着很多不足之处。本文总结并分析了近年来数据挖掘技术在决策树算法方面的研究,探讨了进一步的研究发展方向。     

改进的决策树算法在教务管理数据挖掘系统中的应用

决策树算法是数据挖掘系统中一个重要的分类算法,选择合理而有效的测试属性以及对决策树进行适当的修剪是决策树算法的关键内容之一。将决策树算法引入教务管理挖掘系统,并对决策树测试属性的选择算法以及预剪枝算法进行改进。以九江学院学生四级考试信息为例,结果表明改进的决策树算法对于数据挖掘更具可靠性和有效性。     

决策树方法在药物选择模型中的应用

近年来,数据挖掘在IT行业备受关注。数据挖掘技术解决了目前数据贫乏的问题,它通过分析,从大量的、杂乱无章的数据中提取出有价值的信息,这些信息可用于解决如医疗诊断、风险评估等决策问题。决策树方法是数据挖掘中的一个重要内容,文章通过决策树在药物选择中的应用来阐述决策树的构建过程。     

基于数据挖掘的学生成绩预测的应用浅析

决策树算法是数据挖掘技术中常用的方法,在分类和预测方面有着广泛的应用。本文简要地介绍了决策树ID3算法的基本思想,通过数据实例说明了构造决策树的实现过程,实现了对学生成绩的预测。     

数据挖掘算法在债务管理中的应用

决策树算法是数据挖掘领域的核心分类算法之一,ID3算法则是最为经典的决策树算法。本文以ID3数据挖掘算法在债务管理中的应用为例,验证了算法的性能。     

数据挖掘综述

随着计算机技术的迅猛发展,数据挖掘技术越来越受到世界的关注。从数据挖掘的概念出发,介绍了数据挖掘的对象、功能及其挖掘过程,结合数据挖掘的几种常见挖掘算法：决策树法、关联规则法和神经网络法等,对其主要思想及其改进做了相关描述;总结了国内外数据挖掘的研究现状和应用,指出了数据挖掘的发展趋势。     

基于C4．5的决策树改进算法研究

对海量数据的处理能力是数据挖掘最关注的问题。决策树作为一种分类器,是数据挖掘中用到的一种基本方法之一。基于C4．5的决策树改进算法,是在一些典型的决策树分类算法的基础上提出的,基本思想是在建树过程中,用属性依赖度替代信息增益率来确定划分条件属性的顺序。该算法借鉴MedGen算法的阈值设定方法,在简化决策树剪枝和优化过程的同时,可优化C4．5算法中使用信息熵率的时间复杂度,避免了使用信息熵带来的不当划分。简述了该改进算法的执行过程,证明了算法的正确性。     

混合决策树/遗传算法的数据挖掘

混合的决策树/遗传算法的核心思想集中在数据挖掘的小析取式问题上。此算法的基本理论是属于大析取式的例子用决策树产生的规则进行分类,而那些属于小析取式的例子用遗传算法产生的规则进行分类。     

数据挖掘在智能化企业竞争情报系统的应用研究

探讨了数据挖掘技术在电力市场智能化企业竞争情报系统中的应用,应用数据挖掘的关联规则和决策树分析方法,分析了各种因素所构成的市场环境与电量变化之间的规律,将数据仓库技术、数据挖掘技术和电力企业竞争情报系统结合起来,探讨了如何利用数据挖掘技术来完善和加强企业竞争情报系统的应用功能,以增强企业在市场中的竞争力。     

决策树算法在数据挖掘中的研究与应用

决策树方法因其简单、直观、准确率高等特点在数据挖掘及数据分析中得到了广泛的应用。介绍了决策树中最基本的算法——ID3算法的一般知识后,根据实例深入分析了该算法的设计思想、程序实现及优缺点,并针对其缺点进行改进。