基于决策树的分类算法研究

分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法。结合实例阐述了决策树基本算法的形成过程,分析总结了决策树算法在实际中的应用及其存在的缺陷。     

决策树分析法在风险决策中的应用

决策树是风险型决策中的一种决策方法．与矩阵决策法相比,决策树具有方便简捷、层次清楚、能形象地显示决策过程等优点．本文较详细的介绍了决策树的思想及决策树的生成方法．并通过实例给出了决策树在决策问题中的具体应用方法．     

一种改进决策树算法的探讨

ID3算法是示例学习中建立决策树的一种重要的方法．介绍了ID3决策树算法的基本思想,讨论了 ID3决策树算法中的难点和不足,结合实例给出了利用信息增益度法来改进ID3算法的详细过程．     

决策树ID3算法在学生成绩中的应用

介绍了数据挖掘中决策树的分类方法和概念,以及著名的ID3算法,同时也介绍了ID3算法在学生成绩中的应用.     

决策树后剪枝算法的研究

决策树学习策略广泛应用于模式识别和机器学习等领域，用来解决与分类相关的问题。决策树剪枝的作用是简化决策树，提高决策树的泛化能力，避免对训练集的过适应，是决策树学习中的重要研究内容。本详细描述了常用的四种后剪枝算法，分析了后剪枝技术的研究与发展现状，为具体应用中选择剪枝算法提供了一定的理论基础。     

数据挖掘分类模型构造方法及其在贷款分析中的应用

介绍了数据挖掘技术和模型的概念,提出了基于决策树的数据挖掘分类模型构造方法,并结合银行业信贷业务特点,对数据挖掘在贷款分析中的应用进行探讨。     

决策树算法综述

决策树算法是数据挖掘领域的一个研究热点,通常用来形成分类器和预测模型,在实际中应用广泛。介绍了决策树技术及其发展过程,重点阐述了几种典型的决策树算法,分析了它们的优缺点,并对几种算法作了比较,最后探讨了决策树算法今后的发展方向。     

C4.5决策树法在网络课程知识点个性化设计中的应用

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。对网络课程知识点个性化设计中的大量数据,运用数据挖掘算法中的决策树C4.5算法对所给数据进行处理,选取决策属性,构造决策树,提取分类规则,获取每一个知识点与不同类型的学生之间的关系。通过实验仿真发现,C4.5决策树算法取得了较为理想的分类预测效果。     

ID3分类及其剪枝算法研究

分类是数据挖掘的一个重要课题。分类的目的是建立一个分类模型,该模型能把数据库中的数据项映射到给定类别中的某一个利用该模型形成分类规则并预测未来数据趋势。决策树归纳是经典的分类算法,构建决策树模型算法中最有影响力的方法是ID3算法。针对ID3算法缺点,使用预剪枝和后剪枝相结合的办法处理决策树中的过学习情况,可生成一个更简单、更精确的决策树。     

数据挖掘在CRM中的应用研究

首先介绍了CRM和数据挖掘的基本理论知识;然后通过数据挖掘在CRM中的主要应用和在CRM中启动数据挖掘的基本步骤两个方面对数据挖掘在CRM中的应用进行了详细的说明;最后对数据挖掘技术中的决策树分类算法应用于客户分类进行了研究,着重探讨了其中的SLIQ算法及其改进算法。     

基于决策树的分类挖掘技术在学生资源管理中的应用

该文提出一种基于决策树的分类挖掘技术,在论述分类挖掘的基础上分析决策树分类挖掘系统的建立思想、步骤及算法,并把该系统应用到优化学生资源管理的实验中,实验结果证明了该方法的可行性。     

决策树分类算法的可扩展性研究

决策树是数据挖掘分类问题算法中一种性能较好的算法,本文主要研究自决策树在数据挖掘中应用以来存在问题,主要是可扩展性问题.综述了国内外针对此问题所提出的解决方法,以及分析了改进算法的优缺点,以便有利于对决策树关键问题,即扩展性问题的研究.同时本论文中所研究的算法的思想也有助于数据挖掘中其它领域解决大数据集问题.     

数据挖掘中决策树分类算法的研究与改进

决策树分类算法是数据挖掘中一个重要的内容,而ID3算法又是决策树分类算法中的一种重要方法且被广泛应用。然而在实际应用过程中,现存的决策树算法也存在着很多不足之处,如计算效率低下、多值偏向等。为了解决这些问题,提出了一种基于ID3算法的加权简化信息熵算法,它提高了决策树的构建速度,减少了算法的计算运行时间,同时也克服了ID3算法往往偏向于选择取值较多的属性作为测试属性的缺陷。并且随着数据规模的增大,决策树的分类性能表现得越好。     

傅立叶级数+机器学习法双联预测小行星分类

利用傅立叶级数对散点小行星光变数据进行曲线拟合,以获得小行星表示参数,选取傅立叶级数为6的拟合方式对单体或双体小行星光变曲线进行分类,并用机器学习算法中的SVM和决策树建立预测模型。检验结果表明,SVM模型对单体和双体小行星的预测正确率达到95%,相较于决策树正确率提高了10%,为从小行星实际观测数据直接推测双体小行星潜在相关应用提供了参考。     

决策树在计算机中的存贮与计算

针对统计决策中的决策树决策法,提出了一种在计算机中存贮和计算决策树的方法,使得对决策树的描述十分简单、清晰,便于决策树的计算的程序实现,对于决策树决策法的进一步推广有一定的实际意义。     

基于不确定数据决策树分类算法的软件外包评价模型

经典决策树算法不能处理树构建和分类过程中的不确定数据,针对这一局限,提出基于概率分布的方法,把决策树分类技术扩展到含有不确定数据的环境中。然后,针对软件外包评价中普遍存在着不确定数据,应用决策树分类方法,对软件外包公司进行客观评价。实验表明,本文提出的基于不确定数据的决策树分类算法能够实现对软件外包评价的定量研究。     

分类挖掘及其在学生保持工程中的应用

随着教育市场化与信息化进程的推进,学生保持越来越受人关注了,而传统的学生资源管理方法已经很难适应新的教育环境。在此篇文章中我们简述了分类挖掘技术并分析了学生保持工程中的学生流失问题,在此基础上,我们将决策树分类模型运用到学生资源数据仓库的挖掘系统中,并取得了较好的效果。     

C4.5决策树算法在应用型本科高校就业管理中的应用研究

将数据挖掘中的C4.5算法应用于应用型本科院校的就业管理信息系统中,有利于发掘出应用型毕业生就业中隐藏的有用因素和内在联系,对促进学校进行教学改革,指导学生提高自身素质和知识结构,从而最大程度的提高毕业生的就业率。