基于數(shù)據(jù)挖掘的網(wǎng)上圖書銷量預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，網(wǎng)絡(luò)信息技術(shù)發(fā)展給圖書零售業(yè)帶來前所未有的變革，網(wǎng)上書店成為了電子商務(wù)的先鋒，但同時(shí)市場激烈的競爭逼使網(wǎng)絡(luò)圖書銷售集團(tuán)針對圖書銷售方面選擇技術(shù)含量更高的數(shù)據(jù)挖掘手段，提高企業(yè)的分析決策能力和市場競爭力。
　　本文以某網(wǎng)絡(luò)圖書銷售集團(tuán)的歷史銷售數(shù)據(jù)為對象，設(shè)計(jì)了書籍預(yù)測分類系統(tǒng)，通過對書籍的價(jià)格、類別、當(dāng)前銷量、出版社等因素的分析挖掘，從中提取出分類規(guī)則，發(fā)現(xiàn)暢銷書籍和滯銷書籍的主要特征，挖掘出暢銷書的模式，然后利用這個(gè)模型

2、對新的進(jìn)貨書籍?dāng)?shù)據(jù)進(jìn)行分析預(yù)測，為圖書倉儲的進(jìn)、退貨提供決策依據(jù)。
　　系統(tǒng)采用決策規(guī)則樹IBLE算法構(gòu)建分類預(yù)測模型，該算法是利用信息論中信道容量的概念作為對圖書實(shí)體中選擇重要屬性的度量，信道容量是一個(gè)不依賴于正例和反例的比例，僅依賴于訓(xùn)練集中正例、反例的屬性取值的選擇量，這樣信道容量克服了互信息依賴正例、反例的比例的缺點(diǎn)，而且，用多個(gè)屬性組合成規(guī)則的結(jié)點(diǎn)來鑒別實(shí)例，能夠更有效地正確判別。此外在算法設(shè)計(jì)上，對IBLE算法引入歸一

3、化互信息，將它用作生成決策規(guī)則樹的啟發(fā)式信息，在建樹的同時(shí)得到分類的邏輯規(guī)則。
　　為了解決決策樹生成過程中的訓(xùn)練數(shù)據(jù)噪聲處理問題和IBLE算法對時(shí)間順序數(shù)據(jù)的過度擬合問題，提出了對數(shù)據(jù)預(yù)處理中加進(jìn)差異、差異比的屬性，從而使得決策樹在生成過程中簡化了計(jì)算，在一定程度上克服了IBLE算法的不足之處，最終得到了較為理想的決策規(guī)則樹，其結(jié)點(diǎn)個(gè)數(shù)明顯減少，而分類精度變得更高。
　　在系統(tǒng)實(shí)現(xiàn)上，實(shí)現(xiàn)了挖掘流程和模型結(jié)果的可視化，允許