基于信息增益的量化算法及其在決策樹中應(yīng)用的研究.pdf

1、數(shù)據(jù)挖掘廣義上指的是從現(xiàn)存的海量數(shù)據(jù)中通過智能的手段提取出隱藏的、具有價值的模式或者規(guī)律、知識等一系列復(fù)雜的挖掘過程，在如今這個大數(shù)據(jù)時代，數(shù)據(jù)挖掘這一面向應(yīng)用的技術(shù)從產(chǎn)生就在各行業(yè)發(fā)揮了非常重要的作用，而且擁有著影響企業(yè)發(fā)展的能力。其中對于數(shù)據(jù)挖掘而言，分類是其中重要的一項(xiàng)技術(shù)。目前，分類已廣泛應(yīng)用于多個領(lǐng)域，如教育、金融、醫(yī)療等行業(yè)。分類具有決策樹、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等方法，在這當(dāng)中，決策樹分類算法因?yàn)槔碚摶A(chǔ)簡單、容易

2、理解掌握等優(yōu)點(diǎn)而被廣泛研究與應(yīng)用。
　　本文主要是圍繞對連續(xù)數(shù)據(jù)的量化算法、量化后對決策樹算法分類精確度的影響進(jìn)行展開研究，其主要研究內(nèi)容和研究成果如下:
　　第一，針對目前國內(nèi)外對決策樹分類算法、聚類算法的研究現(xiàn)狀以及比較決策樹分類算法、聚類算法的研究現(xiàn)狀（詳見第一章）。
　　第二，分別對決策樹分類算法、聚類算法的相關(guān)概念進(jìn)行介紹（詳見第二章）。
　　第三，提出基于信息增益的量化算法及信息增益與聚類算法相結(jié)合的

3、量化算法，統(tǒng)稱為基于信息的量化算法（詳見第三章）。
　　第四，在實(shí)驗(yàn)的基礎(chǔ)上實(shí)現(xiàn)提出的量化算法，并把量化后的數(shù)據(jù)應(yīng)用在決策樹上，對比經(jīng)決策樹分類后輸出的分類精度，并分析這些量化算法各自的優(yōu)勢。首先，使用改進(jìn)的量化算法對數(shù)據(jù)集中的連續(xù)屬性值計(jì)算信息增益、離散化處理;其次，再運(yùn)用決策樹算法對其進(jìn)行分類，記錄分類準(zhǔn)確度;然后，對比分析決策樹的分類準(zhǔn)確度，觀察改進(jìn)后分類準(zhǔn)確度是否提高，并以分類準(zhǔn)確度為衡量標(biāo)準(zhǔn)，選擇分類準(zhǔn)確度最高對應(yīng)的量化