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，挑戰(zhàn)與機遇并存，可以說利用并駕馭所產(chǎn)生出的海量數(shù)據(jù)關(guān)系著各個行業(yè)未來的發(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)律并對未來趨勢進行合理預(yù)測，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，可以說是兼具科學(xué)研究價值與實用價值。
　　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算中。傳統(tǒng)的C4.5算法對選擇分裂屬性時

2、只是考慮待測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的影響，本文運用信息增益的思想對待測屬性和其他非類屬性進行度量，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)建過程中，針對屬性涵蓋信息量不足的情況，論文同時也采用了關(guān)聯(lián)規(guī)則Apriori算法生成一系列強規(guī)則，并根據(jù)提出的新屬性選擇標準，從這些強規(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，達到擴充信息量的目的，進而使C4.5算法預(yù)測的準確率得到提升。
　　一個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)程度是一種對數(shù)據(jù)集的橫向分析，通過分析兩個屬性間的關(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)用到了實例中，利用歷史數(shù)據(jù)找出影響健身場館顧客入會的主次因素，結(jié)合相關(guān)屬性建立模型并進行預(yù)測，發(fā)現(xiàn)那些有興趣并且有較高價值的客