基于Weka平台的决策树算法研究与实现-计算机技术专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 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 和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果； 也不包含为获得西安电子科技大学或其它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做了明确的说明并表 示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生 在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留 送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学 位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 摘要 随着人类社会和计算机信息技术的飞速发展,海量数据的积累使得人们不得 不从完善数据挖掘技术来揭示出隐含的、有潜在价值的、未知的信息。数据挖掘不 仅集合了数据库、人工智能和机器学习等技术，而且还广泛应用于金融、商业、医 疗和保险等行业。而决策树分类方法无疑是众多数据挖掘方法中最为常用且经典 的方法之一。 自 1966 年由 Hunt 等人提出最早的决策树算法 CLS 以来，决策树分类方法已 经不下几十种，其中以 ID3、C4.5、CART 等算法最为经典，它们都具有计算量小、 生成的规则易于理解等特点，因此应用也最为广泛。但同时，在实际的应用过程当 中，上述算法也存在着不足，例如效率偏低、不适用于噪声数据等，因此，提高算 法计算效率等已是现在人们研究的重要问题。 本文以决策树分类算法为例，在深入研究经典的数据挖掘分类方法的基础之 上，做了以下工作： （1）深入学习了开源数据挖掘项目 Weka，并在此基础上对 Weka 平台的算法 实现进行了实践； （2）采用 C4.5、CART、BFTree 以及 NBTree 等算法在 Weka 平台上对数据进 行挖掘处理，并通过实验结果分析对以上四种算法在 Weka 上的性能进行评价； （3）最后对传统的 C4.5 算法进行了改进，并且对改进前后的两种算法通过实 验进行了对比分析。使得其计算复杂度大幅度降低，节省了系统开销，提高了算法 的效率。 关键词：数据挖掘 分类 决策树 Weka C4.5 Abstract With the rapid development of human society and computer information technology, the accumulation of massive data makes people improve data mining techniques to reveal the hidden, potentially valuable, unknown information. Data mining is not only a collection of databases, artificial intelligence and machine learning technology, but also widely used in finance, business, medical and insurance industries. The decision tree method is undoubtedly one of the many data mining methods most commonly used classical approach. The Hunt puts forward the earliest decision tree algorithm CLS since 1966, decision tree classification method has been more than dozens, such as ID3, C4.5 and CART algorithm. All of them have the advantage of the small calculation and the generated rules easy to understand, so their applications are the m