基于興趣度的判定樹算法快速分類的優(yōu)化.pdf

1、數(shù)據(jù)挖掘在科研和商業(yè)應用中正發(fā)揮著越來越重要的作用。隨著數(shù)據(jù)量的增加，數(shù)據(jù)挖掘工具處理海量數(shù)據(jù)的能力問題顯得日益突出。數(shù)據(jù)挖掘通常又稱數(shù)據(jù)庫知識發(fā)現(xiàn)。為了系統(tǒng)的將數(shù)據(jù)挖掘技術應用與企業(yè)的決策，將企業(yè)的數(shù)據(jù)資源轉換為企業(yè)的核心競爭力，一個有效的方法就是將數(shù)據(jù)挖掘技術與企業(yè)知識庫技術有機地結合起來，形成分析研究和應用需求相互促進、知識與規(guī)則提取方法的專業(yè)化的應用體系。 數(shù)據(jù)挖掘的基本任務是從海量數(shù)據(jù)中獲取隱含在數(shù)據(jù)背后的有用的知識。

2、數(shù)據(jù)挖掘應用基本過程是集成歷史數(shù)據(jù)，在此基礎上建立挖掘模型，挖掘出有價值的商業(yè)運作規(guī)律和模式，再將這些挖掘模型、規(guī)律和模式表示成易理解的規(guī)則集成到企業(yè)知識庫中，最后是將知識庫知識應用于企業(yè)的商業(yè)活動。不同的數(shù)據(jù)挖掘任務會產(chǎn)生出不同類型的知識。通過對這些知識類型結構和性質(zhì)的研究，可以得到相應的數(shù)據(jù)挖掘過程需要完成的任務集合，從而定義出規(guī)范的、完整的數(shù)據(jù)挖掘算法流程。 決策樹學習有很多算法，本文著重研究了對引入用戶興趣度參數(shù)的ID3