數(shù)據(jù)挖掘算法優(yōu)化研究與應(yīng)用.pdf

1、隨著現(xiàn)代社會(huì)的高速發(fā)展，各種各樣的信息以及數(shù)據(jù)呈現(xiàn)爆炸式的增長(zhǎng)，積累的信息和數(shù)據(jù)越來越多。這些存放在媒介中的海量數(shù)據(jù)，在沒有外部工具的幫助下，人們很難從這些巨大的數(shù)據(jù)量中找到有用的信息，這些數(shù)據(jù)將成為垃圾數(shù)據(jù)。
　　數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，很好地解決了這個(gè)問題。數(shù)據(jù)挖掘技術(shù)可以從大量的數(shù)據(jù)中分析學(xué)習(xí)數(shù)據(jù)中對(duì)用戶有用的模式和規(guī)則，利用這些學(xué)習(xí)到的模式和規(guī)則，當(dāng)有新的樣本數(shù)據(jù)的時(shí)候，可以根據(jù)已有的模式和規(guī)則來預(yù)測(cè)樣本數(shù)據(jù)可能的特性。

2、>　　數(shù)據(jù)挖掘分類是數(shù)據(jù)挖掘的重要步驟之一，而在數(shù)據(jù)挖掘分類算法中，決策樹分類算法是數(shù)據(jù)挖掘中應(yīng)用較廣的一種分類算法，它主要有ID3分類算法和C4.5分類算法，ID3有著簡(jiǎn)單易操作的優(yōu)點(diǎn)，但也有著偏向于處理小數(shù)據(jù)集，以及只能處理離散屬性的缺點(diǎn)，C4.5算法可以很好的彌補(bǔ)ID3算法對(duì)連續(xù)屬性的處理不足的缺點(diǎn)，但C4.5算法同樣有著處理增量學(xué)習(xí)和大數(shù)據(jù)量問題的不足。解決決策樹算法的增量學(xué)習(xí)問題就是本文研究的切入點(diǎn)。
　　本文主要對(duì)數(shù)據(jù)

3、挖掘中的分類算法進(jìn)行詳細(xì)的介紹和描述，然后將分類算法和數(shù)據(jù)挖掘增量學(xué)習(xí)技術(shù)相結(jié)合，提出了一種增量式?jīng)Q策樹算法來解決決策樹經(jīng)典算法的增量學(xué)習(xí)問題，并對(duì)該算法進(jìn)行了實(shí)驗(yàn)數(shù)據(jù)分析。針對(duì)數(shù)據(jù)挖掘中常見的分類算法，包括:決策樹分類算法、最近鄰居算法和神經(jīng)網(wǎng)絡(luò)這三種最常見分類算法，進(jìn)行了詳細(xì)的介紹和描述，并對(duì)這三種算法的分類性能進(jìn)行了比較研究。本文選取決策樹分類算法中ID3算法和C4.5算法進(jìn)行詳細(xì)的研究，詳盡的介紹了這兩種分類算法的基本步驟，包括