決策樹算法在高校研究生就業(yè)信息庫中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘是信息技術(shù)迅猛發(fā)展和人們獲取數(shù)據(jù)手段多樣化的結(jié)果，是從大量數(shù)據(jù)中提取隱含在其中的而又潛在有用的信息和知識的過程。數(shù)據(jù)挖掘的任務(wù)主要有關(guān)聯(lián)分析、聚類分析、分類、預(yù)測、時序模式和偏差分析等。在挖掘過程中，數(shù)據(jù)分類是數(shù)掘挖掘研究的一個重要的內(nèi)容。目前用于數(shù)據(jù)分類的方法有很多，如決策樹、神經(jīng)網(wǎng)絡(luò)、k-最臨近方法、粗糙集、統(tǒng)計模型等。其中決策樹算法是分類發(fā)現(xiàn)算法中最常見的一種方法，以其計算速度較快、容易被人理解、容易轉(zhuǎn)換成分類規(guī)則等優(yōu)點廣

2、泛應(yīng)用于醫(yī)療診斷、氣象報告、信貸審核、商業(yè)預(yù)測、案件偵破等領(lǐng)域。
　　 現(xiàn)存的決策樹算法也存在很多不足之處，如屬性選擇的多值偏向、屬性空缺值的處理、屬性連續(xù)值的處理等。因此，怎樣進一步提高決策樹的性能，提高其分類精度，使之更加適合于數(shù)據(jù)挖掘的應(yīng)用要求具有重要的理論研究意義與現(xiàn)實意義。本文針對上述決策樹的不足之處進行深入的研究，探索決策樹分類算法的優(yōu)化算法以及如何利用決策樹方法對研究生數(shù)據(jù)倉庫進行分類挖掘。
　　 本文主要

3、研究工作如下：
　　 第一，闡述了數(shù)據(jù)挖掘和分類技術(shù)的理論基礎(chǔ)以及決策樹的基本知識，并重點對幾種常見的決策樹算法進行了分析和比較，如經(jīng)典決策樹算法—ID3算法、能夠克服ID3算法屬性取值偏向問題的C4.5算法、利用GINI系數(shù)作為屬性選擇標準的CART算法、有著良好伸縮和并行性的SLIQ算法。
　　 第二，詳細分析了決策樹算法中存在的屬性值空缺、屬性多值偏向、連續(xù)值屬性的處理、屬性約減、屬性選擇標準等問題，并提出了具體的