数据挖掘学习报告.doc

数据挖掘学习报告 一、引言 数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。 数据挖掘的基本步骤　　由上述步骤可看出，数据挖掘牵涉了大量的准备工作与规划工作，事实上许多专家都认为整套数据挖掘的过程中，有80%的时间和精力是花费在数据预处理阶段，其中包括数据的净化、数据格式转换、变量整合，以及数据表的链接。可见，在进行数据挖掘技术的分析之前，还有许多准备工作要完成。数据挖掘十大经典算法　　10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝。。基本思想 ，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。基本结构 动态规划程序设计是对解最优化问题的一种途径、一种方法，而不是一种特殊算法。不象前面所述的那些搜索或数值计算那样，具有一个标准的数学表达式和明确清晰的解题方法。动态规划程序设计往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的设计方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划，可以解决各类最优化问题。某国为了防御敌国的导弹袭击，开发出一种导弹拦截系统。但是这种导弹拦截系统有一个缺陷：虽然它的第一发炮弹能够到达任意的高度，但是以后每一发炮弹都不能高于前一发的高度。某天，雷达捕捉到敌国的导弹来袭。由于该系统还在试用阶段，所以只有一套系统，因此有可能不能拦截所有的导弹。 输入导弹依次飞来的高度（雷达给出的高度数据是不大于30000的正整数），计算这套系统最多能拦截多少导弹，并依次输出被拦截的导弹飞来时候的高度。 SAMPLE INPUT: ??? 389 207 155 300 299 170 158 65 ??? SAMPLE OUTPUT: ??? 6 ??? 389 300 299 170 158 65 因为只有一套导弹拦截系统，并且这套系统除了第一发炮弹能到达任意高度外，以后的每一发炮弹都不能高于前一发炮弹的高度；所以，被拦截的导弹应该按飞来的 高度组成一个非递增序列。题目要求我们计算这套系统最多能拦截的导弹数，并依次输出被拦截导弹的高度，实际上就是要求我们在导弹依次飞来的高度序列中寻找 一个最长非递增子序列。 设 X={x 1 ,x 2 ,…,x n } 为依次飞来的导弹序列Y={y 1 ,y 2 ,…,y k } 为问题的最优解（即 X 的最长非递增子序列）s为问题的状态（表示导弹拦截系统当前发送炮弹能够到达的最大高度，初值为 s=∞—— 第一发炮弹能够到达任意的高度）。如果 y 1 =x 1 ，即飞来的第一枚导弹被成功拦截。那么，根据题意“每一发炮弹都不能高于前一发的高度”，问题的状态将由 s=∞ 变成 s≤x 1 （ x 1 为第一枚导弹的高度）；在当前状态下，序列 Y 1 ={y 2 ,…,y k } 也应该是序列 X 1 ={x 2 ,…,x n } 的最长非递增子序列（大家用反证法很容易证明）。也就是说，在当前状态 s≤x 1 下，问题的最优解 Y 所包含的子问题（序列 X 1 ）的解（序列 Y 1 ）也是最优的。这就是拦截导弹问题的最优子结构性质。 设 D(i) 为第 i 枚导弹被拦截之后，这套系统最多还能拦截的导弹数（包含被拦截的第 i 枚）。我们可以设想，当系统拦截了第 k 枚导弹 x k ，而 x k 又是序列 X={x 1 ,x 2 ,…,x n } 中的最小值，即第 k 枚导弹为所有飞来的导弹中高度最低的，则有 D(k)=1 ；当系统拦截了最后一枚导弹 x n ，那么，系统最多也只能拦截这一枚导弹了，即 D(n)=1 ；其它情况下，也应该有 D(i)≥1 。 假设系统最多能拦截的导弹数为dmax（即问题的最优值），则 dmax = max(D(i)) 所以，要计算问题的最优值 dmax ，需要分别计算出 D(1) 、 D(2) 、…… D(n) 的值，然后将它们进行比较，找出其中的最大值。根据上面分析出来的递归方程，我们完全可以设计一个递归函数，采用自顶向下的方法