Weka平台下电商系统的决策算法研究-信息与通信工程专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 签 名： 日 期： 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定， 即学校有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子学 位论文）为答辩后经修改的最终定稿学位论文，并授权武汉理工大学 可以将本学位论文的全部内容编入有关数据库进行检索，可以采用 影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武 汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论 文，并向社会公众提供信息服务。 （保密的论文在解密后应遵守此规定） 研究生（签名）： 导师（签名）： 日期： 摘 要 当今社会伴随信息产业和技术的迅猛发展，互联网技术和应用已经成为信 息传递的最主要手段和平台，而随着数据库应用的规模、范围和深度不断扩大， 数据挖掘工作变得尤为重要。数据挖掘集合了机器学习、模式识别、统计、数 据库等技术，广泛运用在电子商务系统、银行信用系统、保险行业、电信业务 系统、医疗系统等方方面面。而决策树分类算法是数据挖掘算法体系中比较常 用也较为经典的算法。 决策树分类算法体系有很多种算法，包括比较经典的 ID3、C4.5、CART 算 法等，当前形势下，对算法效率的提升，是一个很重要的研究课题。本文在学 习决策树分类 C4.5 算法的基础上，以 C4.5V1 算法为研究重点，在此基础上， 展开进一步的研究和创新。首先，充分学习分析了数据挖掘平台 WEKA 的功能 和系统框架，在该平台下对各经典算法进行数据演练和性能评估，遵照决策树 分类算法性能的评价标准，对各算法性能进行比较和分析。其次，对 C4.5 算法 进行深入研究，并且设计出算法系统的模块组成部分，实现了代码，集成到 Weka 平台下。使用网上公开的用于数据挖掘的数据集进行测试，与经典的 C4.5 进行 性能上的对比，验证了 C4.5V1 算法很好地集成到 Weka 平台下，且性能明显优 于经典算法。不足的是，建模时间复杂度却增大了。接着，本文在 C4.5V1 算法 的基础上，提出了改进的 C4.5V2 算法和 C4.5V3 算法，分别从算法的分类准确 率和算法的建模时间两个方面进行了改进。C4.5V2 算法通过引入属性间冗余度 的概念，削弱了其他属性对当前属性的分类影响程度，从而提高了算法的分类 准确率。但与此同时，C4.5V2 算法在建模时间上有了更多的消耗，它的准确率 的提高是以牺牲建模时间为代价的。改进的 C4.5V3 算法很好地解决这一问题， 通过将公式中大量的对数运算简化成四则运算，简化了算法体系的计算过程， 从而极大地压缩了算法的建模时间。最后，将改进后的 C4.5V2、C4.5V3 算法实 现代码化，集成到 WEKA 平台下，进行算法性能测试，同时，应用到电商系统 的数据集中，分别使用 C4.5 算法以及改进的各个版本，在分类准确率和算法建 模时间两个方面作详细对比，实验证明提出的改进算法分别在准确率和时间复 杂度上有所改进。 关键词：数据挖掘，决策树，C4.5 算法，WEKA，分类算法 I Abstract With the continuous development of information technology in modern society, the Internet has become a mainstream media of information transmission platform. As with the expanding scale, the scope and depth of the database application, data mining work is particularly important. The data mining technology contains machine learning, pattern recognition, statistics, database technology, and it’s widely used in electronic commerce system, bank credit system, the insurance industry, telecommunication system, med