基于決策樹(shù)的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘(DM)是當(dāng)前涉及統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫(kù)等學(xué)科的熱門(mén)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(shí)，并表示成用戶可理解的形式。分類是數(shù)據(jù)挖掘的一個(gè)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(cè)類標(biāo)記未知的對(duì)象類。 本文研究的是基于決策樹(shù)的分類技術(shù)。與其他分類技術(shù)相比，決策樹(shù)技術(shù)具有許多優(yōu)點(diǎn)：決策樹(shù)更易被用戶理解；生成決策樹(shù)的效率更高、更適合大訓(xùn)練集；決策樹(shù)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(shù)技術(shù)也有缺點(diǎn)：一方面，它無(wú)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(shù)被限制在每個(gè)節(jié)點(diǎn)上只檢驗(yàn)單個(gè)屬性。 本文針對(duì)分類中條件屬性很多時(shí)，其中個(gè)別條件屬性對(duì)分類沒(méi)有影響的情況，討論了決策表的約簡(jiǎn)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(duì)學(xué)生學(xué)習(xí)過(guò)程中的幾個(gè)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(shù)方法，生成了相應(yīng)的決