数据挖掘中决策树SPRINT算法探讨

本文简明扼要的介绍了数据挖掘中决策树SPRINT算法，并对其进行了一定程度上系统的分析和改进．     

对不平衡类分类的一种组合方法

具有不平衡类分布的数据集在许多实际应用中是很常见的,但由于类分布不平衡,给那些已有的分类算法带来了很多问题。一种为处理不平衡类问题而开发的基于决策树和人工神经网络的有效组合方法被讨论。它基于数据抽样的方法构建组合分类器,并利用ROC曲线(Receiver Operating Characteristic curve)作为评价挖掘性能的分析工具,最后在PAKDD2007竞赛活动提供的实际数据上进行了有效性验证。     

基于决策树和聚类理论的XML文档数据挖掘的研究

Extensible Markup Language即"可扩展的标置语言"(简记为XML)的出现,为基于Web的数据挖掘带来了便利,开发人员能够用XML的格式标记交换数据。充分利用XML的优点,提供一种利用决策树ID3修正算法和聚类的方法,对XML文档信息进行挖掘,并结合实例说明这种方法。     

浅谈数据挖掘中的分类算法

分类是数据挖掘中一个重要的研究领域。常用的技术有决策树分类、贝叶斯分类、神经网络分类等。通过对当前具有代表性的分类算法原理进行分析、比较,总结出每种算法的性能特征。     

运用决策树方法进行灌溉取水方式选择

主要介绍运用决策树模型进行灌溉取水方式的选择 ,该方法简单合理 ,应用前景极为广泛。     

两种产生模糊决策树的启发式比较(英文)

比较与分析了产生模糊决策树的两种启发式 :一种是广泛使用的最小模糊性 ,另一种是可能性分布的最小不可指定性。分析表明这两种启发式在很大程度上能得到同样的扩展属性 ,而且比较分析的结果也为如何在实际学习问题中选取合适的启发式提供了一些有用的信息。     

数据挖掘技术在零售企业成本分析中的应用研究

从零售业目前所面临的激烈竞争和挑战出发,结合零售企业的特点,研究各种因素对成本的影响,建立成本分析数据集市。以产品类别、库存和损耗作为分类属性,每种产品的成本差异作为挖掘目标,采用决策树ID3算法,构造决策树,挖掘其中对成本管理有意义的指导性规则,实现零售企业成本的动态分析。     

决策树算法分析及其未成年人犯罪行为分析应用

数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术.通过对数据挖掘决策树算法和未成年犯罪人员行为数据进行分析,找出其中潜在的规则为相关部门决策提供理论的支持.     

SPRINT分类算法的改进

在数据挖掘中分类是一个重要的研究方向，SPRINT算法是分类算法中很著名的算法。分析了SPRINT算法存在的不足和可以改进的地方。提出一种提高SPRINT算法建树速度的新方法。     

Weka系统及其在数据挖掘教学中的应用

介绍了weka的特点及其在教学上的应用,并给出了教学实例。利用ID3算法建立了罪犯减刑效果模型,用来对影响罪犯减刑效果的因素进行分类.通过Weka系统,得到了有应用价值的分类结果。