決策樹分類算法的研究及其在納稅評(píng)估中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘(Data Mining,DM)是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律、提取有用知識(shí)的方法和技術(shù).近年來,數(shù)據(jù)挖掘受到了國內(nèi)外的普遍關(guān)注,已經(jīng)成為信息系統(tǒng)和計(jì)算機(jī)科學(xué)領(lǐng)域研究中最活躍的前沿領(lǐng)域.數(shù)據(jù)挖掘已廣泛應(yīng)用于生物醫(yī)學(xué)、金融、零售業(yè)、電信業(yè)等領(lǐng)域,并產(chǎn)生了巨大的效益.該文以為國稅開發(fā)數(shù)據(jù)挖掘項(xiàng)目"納稅評(píng)估智能分析系統(tǒng)"為背景,在深入調(diào)研與分析國內(nèi)外數(shù)據(jù)挖掘相關(guān)理論、應(yīng)用和技術(shù)文獻(xiàn)的基礎(chǔ)上,詳細(xì)評(píng)述了基于分類數(shù)據(jù)挖掘的相關(guān)理論與技術(shù);并針

2、對(duì)C4.5決策樹算法實(shí)現(xiàn)提出了三種改進(jìn)策略;并利用UCI(Irvine大學(xué)機(jī)器學(xué)習(xí)數(shù)據(jù)庫)數(shù)據(jù)庫作為實(shí)驗(yàn)數(shù)據(jù),比較了改進(jìn)前與改進(jìn)后C4.5算法的執(zhí)行效率,通過實(shí)驗(yàn)數(shù)據(jù)可以看出,改進(jìn)后的C4.5算法(該文稱之為QC4.5)在執(zhí)行效率上有了明顯的提高.該文的主要研究內(nèi)容為:1.研究了了數(shù)據(jù)挖掘的概念與發(fā)展現(xiàn)狀、數(shù)據(jù)挖掘的過程模型與數(shù)據(jù)挖掘的分類等.2.研究了決策樹分類方法,詳細(xì)闡述了C4.5決策樹的構(gòu)造算法、分裂準(zhǔn)則、剪枝準(zhǔn)則、評(píng)價(jià)方法等.

3、3.針對(duì)C4.5決策樹算法實(shí)現(xiàn),提出了三種改進(jìn)策略,并通過樣本集的特征選擇最合適的策略,從而較好的提高了算法的執(zhí)行效率.4.最后把QC4.5(改進(jìn)后的C4.5算法)算法應(yīng)用于納稅評(píng)估智能分析系統(tǒng)中有無避稅嫌疑預(yù)測(cè),并設(shè)計(jì)實(shí)現(xiàn);在實(shí)際應(yīng)用中取得了較好的效果.該文的創(chuàng)新主要體現(xiàn)在:在決策樹自頂向下遞歸構(gòu)造過程中,對(duì)于每一個(gè)連續(xù)型屬性并不是使用同一種計(jì)算方法計(jì)算屬性的信息增益,而是根據(jù)屬性值的特征從三種改進(jìn)策略中選擇一種執(zhí)行效率最優(yōu)的策略來計(jì)