基于決策樹的應用研究.pdf

1、數(shù)據(jù)挖掘(DM)是當前涉及統(tǒng)計學、人工智能、數(shù)據(jù)庫等學科的熱門的研究領域，是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識，并表示成用戶可理解的形式。分類是數(shù)據(jù)挖掘的一個重要分支，分類能找出描述數(shù)據(jù)類或概念的模型，以便能使用模型預測類標記未知的對象類。 本文研究的是基于決策樹的分類技術。與其他分類技術相比，決策樹技術具有許多優(yōu)點：決策樹更易被用戶理解；生成決策樹的效率更高、更適合大訓練集；決策樹的生成算法不需要除訓練集之外的額外信

2、息；它可以提供更好的精確度。當然決策樹技術也有缺點：一方面，它無法刪除帶噪聲的不相關的屬性；另一方面，大多數(shù)決策樹被限制在每個節(jié)點上只檢驗單個屬性。 本文針對分類中條件屬性很多時，其中個別條件屬性對分類沒有影響的情況，討論了決策表的約簡方法，為更有效進行數(shù)據(jù)挖掘在方法層面上提供了支持。 最后本文對學生學習過程中的幾個主要環(huán)節(jié)收集了數(shù)據(jù)并進行了相應的預處理，并在SQL Server中利用系統(tǒng)提供的決策樹方法，生成了相應的決