数据挖掘分类算法综述.docxVIP

数据挖掘分类算法综述姓名： 李涛 专业： 软件工程 指导教师： 吴萍萍 字数: 摘要随着数据库运用的日益发展，数据挖掘技术越来越多的被运用到了商务，医学，科学与工程等方面。在数据挖掘技术的众多分支中，分类算法是一个重要的方面。准确率、速度、强壮性、可伸缩性、可解释性是评估分类算法的五条标准，其中准确率最为重要。分类算法大体可分为传统分类算法和基于软计算的分类法两类。在分类算法中常用的算法有：决策树分类、神经网络分类、支持向量机分类、朴素贝叶斯分类等。本文将对数据挖掘中的分类算法以及分类算法中常用的算法做一个概述。关键字：数据挖掘，分类算法，算法AbstractWith the increasing?development of?database?application,?data mining technology?has been applied to more and more?business,?medicine,?science and?engineering etc.. The classification is an important research branch in the data mining domain and so on. The rate of accuracy,?speed,?robustness,?scalability?and?interpretability?is to assess the?five criteria?of classification algorithm,?the accuracy rate of?one of the most?important. The classification algorithms can be divided into traditional classification algorithm based on Soft Computing and classification of two types of. In the categorization algorithm，Commonly used algorithm: decision tree , neural network, support vector machine, naive Bayes and so on. This paper will give an overview of the classification algorithm in data mining and algorithms commonly used in classification algorithm.Keywords: Data mining, Classification algorithm, Algorithm目录一、绪论5二、分类算法5（一）简介5（二）分类过程5（四）分类目的6（五）分类数据的预处理71、数据清理72、数据集成73、数据变换74、数据规约8（六）分类算法常用模型8（七） 分类算法常用模型优缺点对比81 贝叶斯分类器82 决策树分类器83 神经网络84 支持向量机95 K-最近邻9（八）分类算法运用领域9三、决策树分类9（一）决策树概念9（二）ID3算法10（三）C4.5算法10（四）SLIQ算法11（五）SPRINT算法12四、朴素贝叶斯分类12（一）贝叶斯定理12（二）朴素贝叶斯分类器13（三）朴素贝叶斯分类器特点13（四）朴素贝叶斯分类算法14五、支持向量机分类14（一）简介14（二）logistic回归14（三）形式化表示16（四）函数间隔（functional margin）和几何间隔（geometric margin）17（五）支持向量机的优缺点19六、人工神经网络分类19（一）简介19（三）主要解决问题20（四）人工神经网络的特点20（五）对神经网络分类器进行评估20七、结语20一、绪论数据挖掘是在大型数据存储库中获取有用知识和价值的过程。数据挖掘技术用来探察大型数据库，发现先前未知的有用模式。数据挖掘是一个交叉学科领域，受多个学科的影响，包括数据库系统、统计学、机器学习、可视化和信息科学等。数据挖掘实质上是一种决策支持过程，其主要技术手段是统计方法，包括数理统计方法、多元统计方法、计量经济学和时间序列分析方法等。数据挖掘基础是统计学与人工智能。人工智能是以自动机为手段，通过模拟人类宏观外显的思维行为，从而高效率地解决现实问题的技术。分类算法是数据挖掘技术中一个重要组成部分。分类任务就是通过学习得到一个目标函数，该目标函数能把数据库中的数据项映射到给定类别中的某一个。目标函数也称为分类模型，分类模型可运用于描述性建模和预测性建模。分类技术是一种