大数据分析报告与挖掘实验报告材料.pdf

实用文档 《数据挖掘》实验报告 目录 1. 关联规则的基本概念和方法 1 1.1 数据挖掘 1 1.1.1 数据挖掘的概念 . 1 1.1.2 数据挖掘的方法与技术 . 1 1.2 关联规则 2 1.2.1 关联规则的概念 . 2 1.2.2 关联规则的实现—— Apriori 算法 3 2. 用 Matlab 实现关联规则 5 2.1Matlab 概述 5 2.2 基于 Matlab 的 Apriori 算法 . 6 3. 用 java 实现关联规则 10 3.1java 界面描述 10 3.2java 关键代码描述 . 13 4、实验总结 18 4.1 实验的不足和改进 . 18 4.2 实验心得 19 标准文案 实用文档 1. 关联规则的基本概念和方法 1.1 数据挖掘 1.1.1 数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。 在最近十几年里， 数 据库中存储的数据急剧增大。 数据挖掘 就是信息技术自然进化的结果。 数据挖掘可以从大量 的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先 不知道的但又是潜在有用的信息和知识的过程。 许多人将数据挖掘视为另一个流行词汇 数据中的知识发现（ KDD）的同义词，而另一些 人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据） ·数据集成（多种数据源可以组合在一起） ·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识） 。 1.1.2 数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、 统计学、机器学习、 高性能计算、模式识 别、神经网络、 数据可视化、信息检索、 图像和信号处理以及空间数据分析技术的集成等许 多应用领域的大量技术。数据挖掘主要包括以下方法。 神经网络方法： 神经网络由于本身良好的鲁棒性、 自组织自适应性、并行处理、分布存 储和高度容错等特性非常适合解决数据挖掘的问题， 因此近年来越来越受到人们的关注。