基于決策樹的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘(DM)是當(dāng)前涉及統(tǒng)計學(xué)、人工智能、數(shù)據(jù)庫等學(xué)科的熱門的研究領(lǐng)域，是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識，并表示成用戶可理解的形式。分類是數(shù)據(jù)挖掘的一個重要分支，分類能找出描述數(shù)據(jù)類或概念的模型，以便能使用模型預(yù)測類標(biāo)記未知的對象類。 本文研究的是基于決策樹的分類技術(shù)。與其他分類技術(shù)相比，決策樹技術(shù)具有許多優(yōu)點(diǎn)：決策樹更易被用戶理解；生成決策樹的效率更高、更適合大訓(xùn)練集；決策樹的生成算法不需要除訓(xùn)練集之外的額外信

2、息；它可以提供更好的精確度。當(dāng)然決策樹技術(shù)也有缺點(diǎn)：一方面，它無法刪除帶噪聲的不相關(guān)的屬性；另一方面，大多數(shù)決策樹被限制在每個節(jié)點(diǎn)上只檢驗單個屬性。 本文針對分類中條件屬性很多時，其中個別條件屬性對分類沒有影響的情況，討論了決策表的約簡方法，為更有效進(jìn)行數(shù)據(jù)挖掘在方法層面上提供了支持。 最后本文對學(xué)生學(xué)習(xí)過程中的幾個主要環(huán)節(jié)收集了數(shù)據(jù)并進(jìn)行了相應(yīng)的預(yù)處理，并在SQL Server中利用系統(tǒng)提供的決策樹方法，生成了相應(yīng)的決