數(shù)據(jù)挖掘分類算法的研究和應(yīng)用.pdf

1、隨著信息技術(shù)的發(fā)展，人們的活動產(chǎn)生了海量的數(shù)據(jù)，數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)掘有價值信息的重要手段，在實際生活中得到了廣泛的應(yīng)用。數(shù)據(jù)挖掘分類算法作為數(shù)據(jù)挖掘中最為關(guān)鍵的技術(shù)，能夠解決實際生活中出現(xiàn)最多的分類問題，因此吸引了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，在政治、經(jīng)濟、交通、生活等領(lǐng)域發(fā)揮越來越重要的作用。
　　本文主要工作是對數(shù)據(jù)挖掘分類算法的研究以及在實際數(shù)據(jù)集上進行算法實驗，并利用集成學(xué)習(xí)算法解決人壽保險風(fēng)險等級評估問題。
　　

2、首先，本文介紹了課題研究的背景和意義以及數(shù)據(jù)挖掘技術(shù)在國內(nèi)外的研究現(xiàn)狀，并對數(shù)據(jù)挖掘的相關(guān)理論進行概述，重點分析了數(shù)據(jù)預(yù)處理、特征工程、分類算法性能評估、類別不平衡問題和多分類問題。
　　其次，本文研究了數(shù)據(jù)挖掘中常見分類算法。經(jīng)典分類算法部分重點研究了樸素貝葉斯算法、邏輯回歸算法、K-最近鄰算法、支持向量機算法和決策樹算法，給出了每個算法的基本原理、算法實現(xiàn)步驟和算法的優(yōu)缺點。集成學(xué)習(xí)算法部分重點介紹了Bagging方法及其代表

3、算法隨機森林算法，Boosting方法及其代表算法GBDT算法和xgboost算法。在三個不同規(guī)模的公開數(shù)據(jù)集上實現(xiàn)這些算法，進行算法實驗，通過對比分析得出：隨著數(shù)據(jù)集規(guī)模的擴大，集成學(xué)習(xí)算法相比經(jīng)典分類算法在數(shù)據(jù)集上有更加優(yōu)秀的表現(xiàn)。
　　最后，建立基于集成學(xué)習(xí)分類算法的人壽保險風(fēng)險等級評估模型，將集成學(xué)習(xí)分類算法應(yīng)用到人壽保險風(fēng)險等級評估這一實際問題的解決上。通過對人壽保險數(shù)據(jù)的預(yù)處理和特征工程，得到建立算法模型所需的數(shù)據(jù)集。