数据挖掘分类算法研究与探讨.docVIP

数据挖掘分类算法研究与探讨 　　摘要：数据挖掘技术是一个年轻且充满希望的研究领域，商业利益的强大驱动力将会不停地促进它的发展。随着数据库应用的不断深化，数据库的规模急剧膨胀，数据挖掘已成为当今研究的热点，每年都有新的数据挖掘方法和模型问世，特别是其中的分类问题，引起了越来越多的关注。 　　关键词：数据挖掘；分类；算法 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)35-2339-02 　　Research and Discuss the Classification Algorithm of Data Mining 　　SUN Juan 　　(Department of Information science and Technology, Jiujiang University, Jiujiang 332005, China) 　　Abstract: That the data mining a technology is that one is young and is full of the go into field hoping, commerce benefit driving force big and powerful will may keep on promoting development of it. Applicative ceaselessness deepens with the data base, the data base scale expands rapidly, the data mining the hot spot already becoming a nowadays studying , the new data mining of it both method and the model every year coming out, Classification problem especially among them, has aroused more and more attention. 　　Key words: data mining; classification; algorithm 　　 　　随着计算机技术特别是数据库技术的迅猛发展，以及人类活动范围的扩展、生活节奏的加快，人们能以更快速更容易更廉价的方式获取和存储数据，这就使得数据及其信息量以指数方式增长。面对这些极度膨胀的数据，人们受到“信息爆炸”和“数据过剩”(Data Glut)的巨大压力。这些海量数据如果不能有效利用起来，将只会成为“数据垃圾”。对人类社会进步起到巨大作用的是知识。 数据挖掘就是从大量数据中发现潜在规律、提取有用知识的方法和技术[1]。数据挖掘包含的内容很多，其中很重要的一个方面是分类规则挖掘。 　　分类技术在很多领域都有应用，例如可以通过客户分类构造一个分类模型来对银行贷款进行风险评估；当前的市场营销中很重要的一个特点是强调客户细分。客户类别分析的功能也在于此，采用数据挖掘中的分类技术，可以将客户分成不同的类别，比如呼叫中心设计时可以分为：呼叫频繁的客户、偶然大量呼叫的客户、稳定呼叫的客户、其他，帮助呼叫中心寻找出这些不同种类客户之间的特征，这样的分类模型可以让用户了解不同行为类别客户的分布特征；其他分类应用如文献检索和搜索引擎中的自动文本分类技术；安全领域有基于分类技术的入侵检测等等。机器学习、专家系统、统计学和神经网络等领域的研究人员已经提出了许多具体的分类预测方法。下面对几种主要的分类方法作简要的研究与探讨： 　　 　　1 基于判定树的归纳分类 　　 　　判定树是一个类似流程图的树结构，其中每个内部节点表示在一个属性上的测试，每个分支代表一个测试输出，而每个树叶节点代表类或类分布。树的最顶层节点是根节点。由判定树可以很容易得到“IF-THEN”形式的分类规则。方法是沿着由根节点到树叶节点的路径，路径上的每个属性-值对形成“IF”部分的一个合取项，树叶节点包含类预测，形成“THEN”部分。一条路径创建一个规则。判定树归纳的基本算法是贪心算法。 　　算法描述如下：判定树归纳分类[2]是一种从训练样本集中推理出判定树表示形式的分类规则的方法。它采用自顶向下的递归方式，判定树的最顶节点是根结点，树的内部结点表示在一个属性上的测试，从该结点向下的每个分支代表一个测试输出，在树的叶结点得到分类预测。从根到叶结点的一条路径就对应着一条合取规则，整棵判定树就对应着一组析取表达式规则。判定树的优点在于它的直观性和易理解性，判定树方法不仅能做出分类和预测，而且它的生成过程、分类、预测以及从判定树所提取的分类规则都具有很强的可理解性。