基于决策树规则分类算法的研究与应用

论文摘要

数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的过程,是一种新型的数据分析技术,已被广泛应用于金融、保险、政府、教育、运输以及国防等领域。分类是数据挖掘中一个重要的内容。分类存在很多方法,其中决策树规则对于分类和预测是强有力的工具。决策树规则生成后,通常对于规则的排序分为两种：一种是基于规则的排序；另一种是基于类的排序。大部分的算法是基于类排序的,如PART算法。在使用基于类的排序中,一个质量较差的规则可能碰巧预测较高秩的类,从而导致较高质量的规则被忽略。而基于规则的排序就能弥补这一不足。本文就从基于规则排序入手进行分类预测研究,使其更加适合数据挖掘技术的应用要求,提高分类精确性。主要研究工作如下：首先,从宏观上介绍了数据挖掘和分类技术的理论基础,并介绍了一些传统的分类算法；其次,提出了一种新的基于规则排序的决策树规则分类方法,即CABRR算法。规则排序考虑三个因素：规则长度、规则准确率与规则覆盖率。通过与PART和C4.5算法进行实验分析比较,验证了CABRR算法的有效性；最后,将CABRR分类算法应用于银行潜在大客户挖掘上,并分析算法的实用性。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 选题背景和意义
• 1.2 国内外研究现状
• 1.3 本文的主要工作与结构
• 第2章 数据挖掘及其分类方法概述
• 2.1 数据挖掘的理论
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘的任务
• 2.1.3 数据挖掘的过程
• 2.2 分类概念及算法描述
• 2.2.1 分类概念
• 2.2.2 典型的分类算法
• 2.3 分类算法度量的方法与尺度
• 第3章 C4.5与PART算法
• 3.1 决策树算法的基本理论
• 3.2 C4.5算法
• 3.3 PART算法
• 第4章 基于规则排序的决策树规则分类CABRR算法研究
• 4.1 问题的提出
• 4.2 CABRR算法基本概念
• 4.3 CABRR算法的基本思想
• 4.4 CABRR规则排序算法
• 4.5 算法的实例分析
• 4.6 实验结果与分析
• 第5章 CABRR算法在银行潜在大客户挖掘的应用
• 5.1 银行潜在大客户数据挖掘需求
• 5.2 银行潜在大客户数据挖掘应用效果与结论
• 5.2.1 银行潜在大客户数据挖掘应用环境
• 5.2.2 银行潜在大客户数据挖掘输入数据的格式规范
• 5.2.3 应用总体设计
• 5.2.4 相关结果及分析
• 第6章 总结与展望
• 6.1 本文小结
• 6.2 对未来研究的展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢