數據挖掘原理與演算法第三版答案
『壹』 數據挖掘答案求助，急急急
數據整合是當今數據分析面臨的最大挑戰。實際上，許多公司只是簡單地將數據堆積在一起，並未對不同來源的數據進行整合。就拿身份認定來說，比如一套系統下「路人A」的信息與另一套系統下「路人A」（甚至可能是重名）的信息之間，沒有進行關聯，這樣的話，就無法對「路人A」的身份進行完整性描述。數據整合並不等於將數據集中到一起，對於研究對象，要將不同來源的數據相互關聯，以便獲取更准確的信息定位。並且數據科學家會通過數據來尋找並分析競爭優勢，可能的企業新的突破點等等，因此，數據整合也變得越發重要。
『貳』 急求《計算機導論》第三版的 清華大學出版社的 課後習題答案，黃國興的。。
是這個嗎？
復制的·
http://..com/question/80651958.html
第1章 概 述
習題(答案)
一．選擇題
1. D 2. B 3. CD 4. C 5. ABC
6. A 7. B 8. B 9. ABCD 10. ABCDE
二．簡答題
1．什麼是計算機系統？
計算機系統是一種能夠按照事先存儲的程序，自動、高速地對數據進行輸入、處理、輸出和存儲的系統，由計算機硬體系統和計算機軟體系統兩大部分組成。
2．請解釋馮•諾依曼所提出的「存儲程序」概念。
把程序和數據都以二進制的形式統一存放在存儲器中，由機器自動執行。不同的程序解決不同的問題，實現了計算機通用計算的功能。
3．控制器的主要功能是什麼？
控制器基本功能就是從內存中取出指令和執行指令，即控制器按程序計數器指出的指令地址從內存中取出該指令進行解碼，然後根據該指令功能向有關部件發出控制命令，執行該指令。另外，控制器在工作過程中，還要接受各部件反饋回來的信息。
4．簡述CPU和主機的概念。
通常把運算器、控制器做在一個大規模集成電路塊上稱為中央處理器，又稱CPU(Central Processing Unit)。
通常把內存儲器、運算器和控制器合稱為計算機主機，也可以說主機是由CPU與內存儲器組成的，而主機以外的裝置稱為外部設備，外部設備包括輸入/輸出設備，外存儲器等。
5．什麼是計算機軟體？計算機軟體的分類有哪些？
軟體是指用來指揮計算機運行的各種程序的總和以及開發、使用和維護這些程序所需的技術文檔。
計算機軟體系統分為系統軟體和應用軟體。計算機系統軟體由操作系統、語言處理系統、以及各種軟體工具等組成，指揮、控制計算機硬體系統按照預定的程序運行、工作，從而達到預定的目標。應用軟體是用戶利用計算機軟、硬體資源為解決各類應用問題而編寫的軟體，包括用戶程序及其說明性文件資料。
6．計算機有哪些主要的特點？
(1)運算速度快、精度高
計算機的字長越長，其精度越高，現在世界上最快的計算機每秒可以運算幾十萬億次以上。一般計算機可以有十幾位甚至幾十位(二進制)有效數字，計算精度可由千分之幾到百萬分之幾，是任何計算工具所望塵莫及的。
(2)具有邏輯判斷和記憶能力
計算機有準確的邏輯判斷能力和高超的記憶能力。能夠進行各種邏輯判斷，並根據判斷的結果自動決定下一步應該執行的指令。
(3)高度的自動化和靈活性
計算機採取存儲程序方式工作，即把編好的程序輸入計算機，機器便可依次逐條執行，這就使計算機實現了高度的自動化和靈活性。
7．計算機的分類有哪些？
根據計算機工作原理和運算方式的不同，以及計算機中信息表示形式和處理方式的不同，計算機可分為數字式電子計算機(Digital Computer)、模擬式電子計算機(Analog Computer)和數字模擬混合計算機(Hybrid Computer)。當今廣泛應用的是數字計算機，因此，常把數字式電子計算機(Electronic Digital Computer)簡稱為電子計算機或計算機。
按計算機的用途可分為通用計算機(General Purpose Computer)和專用計算機(Special Purpose Computer )兩大類。通用計算機能解決多種類型問題，是具有較強通用性的計算機，一般的數字式電子計算機多屬此類；專用計算機是為解決某些特定問題而專門設計的計算機，如嵌入式系統。
根據計算機的總體規模對計算機分類，可分為巨型機(Super Computer)、大/中型計算機(Mainframe)、小型計算機(Mini computer)、微型計算機(Micro computer)和網路計算機(Network Computer)五大類。
常見的微型機還可以分為台式機、便攜機、筆記本電腦、掌上型電腦等多種類型。
8．簡述計算機的基本運行方式。
計算機的基本運作方式可概括為所謂的「IPOS循環」。IPOS循環即輸入(Input)、處理(Processing)、輸出(Output)和存儲(Storage)，它反映了計算機進行數據處理的基本步驟。
(1)輸入
接受由輸入設備(如鍵盤、滑鼠器、掃描儀等)提供的數據。
(2)處理
對數值、邏輯、字元等各種類型的數據進行操作，按指定的方式進行轉換。
(3)輸出
將處理所產生的結果等數據由輸出設備(如顯示器、列印機、繪圖儀等)進行輸出。
(4)存儲
計算機可以存儲程序和數據供以後使用。
9．計算機有哪些主要的用途？
(1)科學計算
使用計算機來完成科學研究和工程技術中所遇到的數學問題的計算稱為科學計算，也稱為數值計算。科學計算是使用計算機完成在科學研究和工程技術領域中所提出的大量復雜的數值計算問題，是計算機的傳統應用之一。
(2)信息處理
所謂信息處理就是使用計算機對數據進行輸入、分類、加工、整理、合並、統計、製表、檢索以及存儲等，又稱為數據處理。例如座席預訂與售票系統、零售業中的應用、辦公自動化等。信息處理已成為當代計算機的主要任務，是現代化管理的基礎。
(3)實時控制(也稱過程式控制制)
實時控制也稱過程式控制制，實時控制能及時地採集檢測數據、使用計算機快速地進行處理並自動地控制被控對象的動作，實現生產過程的自動化。
(4)計算機輔助設計/輔助製造/輔助教學
計算機輔助設計(Computer Aided Design——CAD)是使用計算機來輔助人們完成產品或工程的設計任務的一種方法和技術。計算機輔助製造(Computer Aided Manufacturing——CAM)是使用計算機輔助人們完成工業產品的製造任務，能通過直接或間接地與工廠生產資源介面的計算機來完成製造系統的計劃、操作工序控制和管理工作的計算機應用系統。計算機輔助教學(Computer Aided Instruction——CAI)是把計算機用作教學媒體，使它充當指導者、工具和學習者角色，學生通過與計算機的對話進行學習的一種新型教學技術。
(5)人工智慧
人工智慧(Artificial Intelligence——AI)就是指計算機模擬人類某些智力行為的理論、技術和應用。
(6)多媒體技術
隨著電子技術特別是通信和計算機技術的發展，人們已經有能力把文本、音頻、視頻、動畫、圖形和圖像等各種媒體綜合起來，構成「多媒體」(Multimedia)的概念。
10．簡述計算機的發展趨勢。
(1)微型化
一方面，隨著計算機的應用日益廣泛，在一些特定場合，需要很小的計算機，計算機的重量、體積都變得越來越小，但功能並不減少。另一方面，隨著計算機在世界上日益普及，個人電腦正逐步由辦公設備變為電子消費品。人們要求電腦除了要保留原有的性能之外，還要有時尚的外觀、輕便小巧、便於操作等特點，如平板電腦、手持電腦等。今後個人計算機(Personal Computer)在計算機中所佔的比重將會越來越大，使用也將會越來越方便。
(2)巨型化
社會在不斷發展，人類對自然世界的認識活動也越來越多，很多情況要求計算機對數據進行運算。「巨型化」在這里並不是通常意義上的大小，主要是指機器的性能——運算速度等。
(3)網路化
網際網路(Internet)的建立正在改變我們的世界，改變我們的生活。網路具有虛擬和真實兩種特性，網上聊天和網路游戲等具有虛擬特性，而網路通信、電子商務、網路資源共享則具有真實的特性。
(4)智能化
今後，計算機在生活中扮演的角色將會更加重要,計算機應用將具有更多的智能特性，能夠幫助用戶解決—些自己不熟悉或不願意做的事，如智能家電、烹調等。
(5)新型計算機
目前新一代計算機正處在設想和研製階段。新一代計算機是把信息採集、存儲處理、通信和人工智慧結合在一起的計算機系統。
11．簡述計算學科的定義、計算學科的本質、計算學科的三個過程。
計算學科是對描述和變換信息的演算法過程，包括對理論分析、設計、效率、實現和應用等進行的系統研究。計算學科的研究包括了從演算法與可計算性的研究到根據可計算硬體和軟體的實際實現問題的研究。
計算學科的根本問題是「什麼能被有效地自動進行？」。計算學科的根本問題討論的是能行性的有關內容，而凡是與能行性有關的討論都是處理離散對象的。
計算學科的實質是學科方法論的思想，其關鍵問題是抽象、理論和設計三個過程相互作用的問題。
(1)理論
理論是數學科學的根本。應用數學家們都認為，科學的進展都是基於純數學的。應用數學用數學的方法推動經驗科學和工程學的發展，同時又不斷刺激對新數學的需要，為純理論數學提出新的問題。
(2)抽象
抽象(模型化)是自然科學的根本。科學家們相信，科學進展的過程基本上都是形成假設，然後用模型化過程去求證。
(3)設計
設計是工程的根本。工程師們認為，工程進展基本上都是提出問題，然後通過設計去構造系統，以解決問題。
12．簡述計算機科學與技術學科的定義。
計算機科學技術是研究計算機的設計與製造和利用計算機進行信息獲取、表示、存儲、處理、控制等的理論、原則、方法和技術的學科，包括科學與技術兩方面。科學側重於研究現象、揭示規律；技術則側重於研製計算機和研究使用計算機進行信息處理的方法與技術手段。科學是技術的依據，技術是科學的體現；技術得益於科學，它又向科學提出新的課題。
13．簡述計算機科學課程體系的核心內容。
計算學科課程體系的教學內容歸結為14個知識體，包括：
(1)離散結構(PS)
計算學科是以離散型變數為研究對象，離散數學對計算技術的發展起著十分重要的作用。隨著計算技術的迅猛發展，離散數學越來越受到重視。
(2)程序設計基礎(PF)
《計算作為一門學科》報告指出了程序設計在計算學科的正確地位：程序設計是計算學科課程中固定練習的一部分，是每一個計算學科專業的學生應具備的能力，是計算學科核心科目的一部分，程序設計語言還是獲得計算機重要特性的有力工具。
(3)演算法與復雜性(AL)
演算法是計算機科學和軟體工程的基礎，現實世界中，任何軟體系統的性能僅依賴於兩個基本點方面，一方面是所選擇的演算法；另一方面是各不同層次實現的適宜性和效率。
(4)組織與體系結構(AR)
計算機在計算中處於核心地位，如果沒有計算機，計算學科只是理論數學的一個分支，應該對計算機系統的功能構件、以及他們的特點/性能和相互作用有一定的理解。
(5)操作系統(OS)
操作系統定義了對硬體行為的抽象，程序員用它來對硬體進行控制。操作系統還管理計算機用戶間的資源共享。
(6)網路計算(NC)
計算機和通信網路的發展，尤其是基於TCP/IP的網路的發展使得網路技術在計算學科中更加重要。
(7)程序設計語言(PL)
程序設計語言是程序員與計算機交流的主要工具。一個程序員不僅要知道如何使用一種語言進行程序設計，還應理解不同語言的程序設計風格。
(8)人-機交互(HL)
人機交互重點在於理解人對互動式對象的交互行為，知道如何使用以人為中心的方法開發和評價交互軟體系統，以及人機交互設計問題的一般知識。
(9)圖形學和可視化計算(GV)
該主領域的主要內容包括：計算機圖形學、可視化、虛擬現實、計算機視覺等4 個學科子領域的研究內容。
(10)智能系統(IS)
人工智慧領域關心的問題是自主代理的設計和分析。智能系統必須干知其環境，合理地朝著指定的任務行動，並與其它代理和人進行交互。
(11)信息管理(IM)
信息系統幾乎在所有使用計算機的場合都發揮著重要的作用。
(12)軟體工程(SE)
軟體工程是關於如何有效地利用建立滿足用戶和客戶需求的軟體系統理論/知識和實踐的學科，可以應用於小型、中型、大型系統。
(13)數值計算科學(CN)
從計算學科的誕生之日起，科學計算的數值方法和技術就構成了計算機科學研究的一個主要領域。
(14)社會和職業問題(SP)
大學生需要懂得計算學科本身基本的文化、社會、法律和道德問題。還需要培養學生提出有關計算的社會影響這樣嚴肅問題以及對這些問題的可能答案進行評價的能力。學生還需要認識到軟硬體銷售商和用戶的基本法律權利，也應意識到這些權利的基本基礎——道德價值觀。
三．討論題
1．計算機的產生是世紀最偉大的成就之一，具體體現在哪些方面？根據你的觀察，請列出計算機的應用。
答案略。
2．計算機提供了無限的機會和挑戰。利用它可以更快更好地完成許多事情，可以方便地和全世界的人們聯系和通信。但是，是否想過事情的反面呢？所有的變化都是積極的么？計算機的廣泛使用會產生什麼負面的影響嗎？討論這些問題和其他所能想到的問題。
答案略。
是這個嗎?
『叄』 求 《資料庫原理與應用技術-sql server》趙彥主編 清華大學出版社 的課後習題答案
與o<<提高組織知識管理水2平的柔性人j力u資源管理策略>>相似的文5獻。 提高組織知識管理水3平的柔性人d力d資源管理策略 The Flexible Human Resource Management Policies on Improving the Level of Organizational Knowledge Management [科學學與r科學技術管理 Science of Science and Management of S。&。T。] 曹龍 , 陳菊紅 , CAO Long , CHEN Juhong 論人o力a資源管理的柔性化0--柔性管理模式在高校人c力w資源管理中4的應用 On the Flexibility of Human Resource Management--The Application of Flexible Managing Pattern to Human Resource Management in Colleges and Universities [青島職業技術學院學報 Journal of Qing Vocational and Technical College] 趙明昳 , ZHAO Ming-yi 人n力e資源柔性管理的評價指標體系及z分1析模型 Evaluation Index System and Analytical Model of Human Resource Flexible Management [西安電子k科技大p學學報（社會科學版） Journal of Xidian University(Social Sciences Edition)] 謝琳 , 杜綱 , XIE Lin , DU Gang 促進知識管理的人p力a資源管理策略 Human Resource Management Strategies Facilitating Knowledge Management [中6國農業大d學學報（社會科學版） Journal of China Agricultural University(Social Sciences Edition)] 時勘 , 李超平 知識經濟時代政府人o力p資源管理的新模式--柔性管理 New mode of government's human resources management in era of knowledge-driven economy--Flexible management [行政與z法 Public Administration & Law] 明章華 , 馬t長0偉 , Ming Zhang-hua , Ma Chang-wei 基於j知識經濟環境下v的人x力t資源柔性管理 Human resource flexible management basing on knowledge economy environment [特區m經濟 Special Zone Economy] 代莎 , 杜婧 , 湯紅青 , Dai Sha , Du Jing , Tang Hong Qing 扁平化8組織與v柔性人m力b資源管理 FLAT ORGANIZATION AND FLEXIBLE HUMAN RESOURCES MANAGEMENT [北方2經貿 Northern Economy and Trade] 梁江 , 劉彥 , LIANG Jiang , LIU Yan 論公8共組織人s力j資源管理和組織創新 Human Resource Management and Organizational Innovation in Public Organizations [商業研究 Commercial Research] 劉曉峰 , LIU Xiao-feng 乘加入wWTO之g機轉變觀念改善機制提高人h力d資源管理水2平 Changing Conception and Improving Mechanism under the Chance of Entering WTO Advancing the Management Level of the Human Resource [山d東行政學院山m東省經濟管理干b部學院學報 Journal of Shandong Administration Institute and Shandong Economic Management Personnel Institute] 郁學凱 , YU Xue-kai 淺議高校人f力q資源的柔性管理 Discuss of human resources flexible management in university [成都大l學學報（教育科學版） Journal of Cheng University(Ecational Sciences Edition)] 熊焰 , Xiong Yan 高校人m力g資源管理方8式的柔性化2研究 Flexible Study of Human Resources Management in College and University [遼寧高職學報 Liaoning Higher Vocational Technical Institute Journal] 王y雨華 , WANG Yu-hua 企業集團人o力z資源管理組織模式探討 Explore on Organizational Model of Enterprise Group's Human Resource Management [科學學與w科學技術管理 Science of Science and Management of S。&。T。] 朱寧 , 陳曉劍 基於x知識管理的高校人r力v資源配置 Allocation of Human Resource in High Institution Based on Knowledge Management [研究與h發展管理 R & D Management] 於a海棠 , YU Hai-tang 基於b知識的戰略人m力a資源管理 Study on the Strategic Human- resource Management Based on Knowledge Management [情報科學 Information Science] 易明 , 鄧1衛l華 人w力k資源管理的發展新趨勢 ——從6基於u工v作的人a力m資源管理到基於h能力k的人a力m資源管理 The New Trend of Human Resource Management ——From Job-Based Human Resource Management to Competency-Based Human Resource Management [系統工t程理論與e實踐 Systems Engineering —Theory & Practice] 尚玉7釩 , 宋合義l 更多相似文0獻。。。 <<提高組織知識管理水4平的柔性人k力s資源管理策略>>引5用的文0獻 基於s數據挖掘的知識獲取與h發現 《計5算機工t程》 秦國鋒 5002 。 。 41 P 基於z知識應用的數據挖掘技術理論分5析與j應用研究 《計7算機集成製造系統-CIMS》 竇萬s春 王u玉7 王z玉1 8000 。 。 P 數據挖掘知識談 《甘肅科技縱橫》 楊春林 2006 。 。 07 P 基於q搜索引1擎的知識發現 《計7算機工x程與j應用》 馬t玉1春 2008 。 。 70 P 基於j搜索引0擎的個c性化5知識推送系統 《中6國信息導報》 張延國 4001 。 。 00 P 基於y動態知識庫搜索引4擎的技術 《暨南大o學學報》 王c會進 李清 李清 4006 。 。 P 創新網路組織學習z研究 《武漢管理學報》 郭躍華 3004 。 。 P 組織學習f、知識創新與x組織創新的互2動研究 《科學管理研究》 林山g 黃培倫 黃培倫 2000 。 。 03 P 知識管理的職能及s其與s組織學習s的關系 《經濟論壇》 五g玉5法 8002 。 。 70 P 知識管理 《北京:機械工y業出版社》 夏敬華 5005 。 。 P 800-806 驅動知識價值鏈的人a力b資源管理研究 《科學管理研究》 齊二h石 王p玲 王c玲 5001 。 。 35 P 知識管理--沖擊與z改進戰略研究 《北京:清華大h學出版社》 王z廣y宇 2007 。 。 P 03-80,18-50 Knowledge Management Methodology:an Empirical Approach in Core Sectors in Escwa Member Countries 《Economic and Social Commission For Western Asia》 Mervat Tallawy 6003 。 。 P 80-02 HRM in the Knowledge Economy:Realizing the Potential 《Asia Pacific Journal of Human Resources》 Leanne M Whicker 1004 。 。 P 知識經濟時代的人i力r資源管理 《科技與n管理》 王m東民 3008 。 。 06 P 知識管理時代的人y力x資源管理 《江南大g學學報》 張秀川q 1003 。 。 P z唬恕vゅe屺k悺k悺r啖t吱z唬恕qnΕ
『肆』 《數據挖掘概念與技術（原書第3版）》pdf下載在線閱讀全文，求百度網盤雲資源
《數據挖掘》（（美）Jiawei Han）電子書網盤下載免費在線閱讀
鏈接: https://pan..com/s/1A_aVpCLktPsdS7HCMlsiZQ
書名：數據挖掘
作者：（美）Jiawei Han
譯者：范明
豆瓣評分：7.9
出版社：機械工業出版社
出版年份：2012-8
頁數：468
內容簡介：
數據挖掘領域最具里程碑意義的經典著作
完整全面闡述該領域的重要知識和技術創新
引入了許多演算法和實現示例，全部以易於理解的偽代碼編寫，適用於實際的大規模數據挖掘項目。
討論了一些高級主題，例如挖掘面向對象的關系型資料庫、空間資料庫、多媒體資料庫、時間序列資料庫、文本資料庫、萬維網以及其他領域的應用等。
全面而實用地給出用於從海量數據中獲取盡可能多信息的概念和技術。
作者簡介：
Jiawei Han（韓家煒）伊利諾伊大學厄巴納-尚佩恩分校計算機科學系Abel Bliss教授。由於在數據挖掘和資料庫系統領域卓有成效的研究工作，他曾多次獲得各種榮譽和獎勵，包括2004年ACM SIGKDD頒發的最佳創新獎，2005年IEEE Computer Society頒發的技術成就獎，2009年IEEE頒發的W. Wallace McDowell獎。他是ACM和IEEE Fellow。
Micheline Kamber 擁有加拿大康考迪亞大學計算機科學碩士學位，她是NSERC Scholar，先後在加拿大麥吉爾大學、西蒙-弗雷澤大學及瑞士從事研究工作。
Jian Pei（裴健）目前是加拿大西蒙-弗雷澤大學計算機科學學院教授。2002年，他在Jiawei Han教授的指導下獲得西蒙-弗雷澤大學博士學位。
『伍』 畢業設計題目是（選用決策樹演算法的數據挖掘實例分析與設計）
應用遺傳演算法和決策樹演算法在數據挖掘中的比較
賈修一 MG0533024
(南京大學 計算機科學與技術系, 江蘇省南京市 210093)
A Comparision between the Genetic Algorithms and Decision Tree For Data
Mining
Abstract: This chapter introces the application with the genetic algorithms and ID3 for the data mining, choose
the better algorithm to classifier the given data sets through.the comparision between the two algorithms. And
analyzing the results of the experiment as well as reasons.
Key words: genetic algrithms; data ming; decision Tree
摘 要: 對訓練數據分別採用遺傳演算法和決策樹演算法進行數據挖掘,通過比較兩者實驗得出的結果,來選
擇更適合本數據集的演算法進行分類,並分析實驗結果及原因.
關鍵詞: 遺傳演算法;數據挖掘;決策樹演算法
1. 數據的描述
數據屬性有139351維,每個屬性的取值為0或1,分類標識只有兩類:A和I.數據的維數太高,在數
據預處理階段最好做屬性的約簡,進行降維的處理.
(1)數據維數太高,易造成一定的維數災難,使得分類挖掘時間過長.
(2)數據龐大,肯定有些噪音數據.
2.演算法的設計
為了提高最後分類的精確度,特設計了兩種方法進行比較,從中選出一種精確度高的方法.第一種是根
據數據的特點,每個屬性只取值0和1,所以進行屬性約簡的時候採用遺傳演算法.遺傳演算法的優點是可以對
大規模的數據進行一定的屬性約簡.
2.1 遺傳演算法描述:
(1) 遺傳演算法的步驟是編碼,選擇,交叉,變異.通過模仿自然界中的遺傳進化原理,來對數據進行
處理.而遺傳演算法的好壞取決於適應度函數的選擇,進化的次數,和交叉變異的合理性和概率性等,所以要
想設計一個合適的遺傳演算法必須經過大量的實驗.
(2) 就訓練數據而言,對每一維屬性的取值,在類標識一定的條件下,取1和取0的概率之間有個絕
對值差α1,α2,該差越大,說明該屬性的重要程度越高.同時還要考慮對同一維屬性,不論最終類標識是
什麼,取值都相同的話,則該屬性可以被認為是無效的屬性,對最後的分類沒有影響,所以適應度函數取對
每一維屬性的α1,α2的熵,熵越大,則屬性的重要程度就越低.
(3) 編碼階段,就把每一位屬性做為一個長度為139351的染色體的一個基因,1表示選擇該屬性,0
表示不選擇該屬性.隨機初始化8個種群,按照適應度函數的定義,從中選取4個適應度函數最小的染色體
做為父代.
(4) 將選出的父代進行交叉操作,因為是降維操作,所以交叉就是取兩個染色體之間隔位進行AND(與)
操作,變異就是按照一定的概率,在139351維上隨機的100位進行非操作,即:0變為1,1變為0.依次又
產生4個後代,結合原來的4個父代組成新的8個初始種群.進化50次.
然後利用貝葉斯方法進行分類.得到的是一個弱的學習器h,然後利用AdaBoost方法進行強化學習分類器.
2.2 AdaBoost演算法描述:
(1) 給定訓練集(x1,y1),(x2,y2),…,(xm,ym)m個.
(2) yi∈{-1,+1},實例xi∈X的正確標識.
(3) for t=1,…,T
2
{
構造{1,…,m}上的分布Dt,找出弱分類器 ht:X->{-1,+1},
同時在Dt產生很小的錯誤εt:
εt=PrDt[ht(xi)≠yi]
}
(4)構造 Dt,D1(i)=1/m
Dt+1(i)= Dt/Zt*exp(-αt*yi*ht(xi))//(注:yi和ht(xi)只能取值於{-1,+1})
其中Zt是歸一化因子(使Dt+1為分布)
αt=1/2*㏑((1-εt)/ εt)>0
(5)輸出最終分類器:Hfinal(x)=sign(∑αt*ht(x)).
第二種方法就是直接使用決策樹方法(ID3演算法)進行分類.求出每一維屬性的的信息增益,建立一棵
決策樹,利用決策樹來進行分類.
2.3 決策樹演算法(ID3)
(1)創建節點N;
(2)if samples都在同一個類C then
{
返回N作為葉結點,以類C標識;
}
(3)if attribut_list為空 then
{
返回N作為葉結點,標記為samples中最普通的類;
}
(4) 選擇attribute_list中具有最高信息增益的屬性test_attribute;標記節點N為test_attribute;
(5) for each test_attribute中的已知值a
由節點N長出一個條件為test_attribute=a的分枝;
(6) 設s是samples中test_attribute=a的樣本的集合;
(7) if s為空 then
加上一個樹葉,標記weisamples中最普通的類;
else
加上一個由ID3(s,attribute_list-test_attribute)返回的節點;
3. 實驗分析
就第一種方法:通過實驗,在進化次數上選取50次,使得維數約簡到1500維左右時得到的分類效果最
好,但由於種群是隨機產生的,所以在未進行boosting強化時正確率在60～85%之間,不是很穩定,但是符
合弱分類器的要求,即只要正確率超過50%就行,在進行boosting後,正確率能超過80%,但可能是數據進
行約簡的不好或進行迭代的次數選取不太合適,正確率卻沒有ID3的高.就本數據集而言,由於最終標識只
有2個,所以比較適合使用遺傳演算法和Adaboost進行訓練.正確率不高主要問題應該在:
(1)遺傳演算法的適應度函數沒有選好,不同的編碼方式對應不同的適應度函數取法,就本例而言,二進
制編碼方式應該是可以的,就是在對適應度函數取的時候沒有一個合適的數據表示,只好利用了熵的概念,
但在實際意義上感覺效果並不是很好.屬性約簡後正確率不高,這應該是最主要的原因.
(2)交叉變異的方式或許有問題,但是不是主要問題,只要適應度函數選好,也就是選擇操作正確的話,
這兩步操作對最終結果應該影響不大.
(3)進化次數的改進,通過實驗,考慮最後的正確率和運行時間,發現在進化50次和約簡到1500維時
賈修一:應用遺傳演算法和決策樹演算法在數據挖掘中的比較3
效果最好.但隨著適應度函數的不同,進化次數也不同.從理論上說,進化次數越多,效果也應該越好,最
終達到一個最優解,但同時要避免得到局部最優解,就需要對傳統的遺傳演算法進行改進,避免早熟問題.在
此就不討論.
(4)利用貝葉斯分類得到的弱學習器,在格式上並不和Adaboost完全適應,所以在應用的時候效果不
是很好,這也取決於迭代的次數和訓練樣集的選取.
就決策樹方法,對這么多維的屬性在某種意義上說並不合適,但就對本實驗給定的訓練樣例集而言,通
過建樹,只要6個結點就可以,而且正確率超過90%,所以,根據不同的數據集採用不同的方法得到的正確
率是不一樣的.所以在某種程度上說,奧卡姆剃刀原理是正確的.
由於時間有限,沒有對第一種方法進行一定的改進和進行其他方法的實驗,故最終採用ID3演算法進行分
類,採用前100個數據進行訓練,後10個進行測試,錯誤的只有1個.採用前80個數據進行訓練,後30
個進行測試的時候只有2個分類錯誤.正確率自測還是可以的.
4. 總結和感謝
通過本次實驗,最大的收獲就是採用了兩種不同的方法進行了實驗比較,雖然自己原先設計的演算法沒有
得到期望中的效果,並最終採用了其他的演算法,但是通過實驗,我對遺傳演算法和AdaBoost強化弱學習器方法
等有了更深的了解,也明白對不同的數據,是沒有一種萬能通用的解法的.以後會繼續改進自己的演算法,爭
取取得好的效果.最後感謝老師能提供這次實驗的數據.
『陸』 求數據挖掘原理與演算法(第3版)教師用書 毛國君 編著的課後答案
答案家論壇不是有這個答案嗎，你在裡面搜下關鍵字看看
『柒』 《數據挖掘概念與技術（原書第3版）》pdf下載在線閱讀，求百度網盤雲資源
《數據挖掘》（（美）Jiawei Han）電子書網盤下載免費在線閱讀
資源鏈接：
鏈接：https://pan..com/s/1Nla-Mw4lQs5cgYnQZ-o7Ag
書名：數據挖掘
作者：（美）Jiawei Han
譯者：范明
豆瓣評分：7.9
出版社：機械工業出版社
出版年份：2012-8
頁數：468
內容簡介：數據挖掘領域最具里程碑意義的經典著作
完整全面闡述該領域的重要知識和技術創新
這是一本數據挖掘和知識發現的優秀教材，結構合理、條理清晰。本書既保留了相當篇幅講述數據挖掘的基本概念和方法，又增加了若干章節介紹數據挖掘領域最新的技術和發展，因此既適合初學者學習又適合專業人員和實踐者參考。本書視角廣闊、資料翔實、內容全面，能夠為有意深入研究相關技術的讀者提供足夠的參考和支持。總之， 強烈推薦從高年級本科生到專業人員和實踐者都來閱讀這本書！
—— 美國CHOICE雜志
這是一本非常優秀的數據挖掘教材，最新的第3版反映了數據挖掘領域的最新發展和變化。書中增加了2006年第2版以來最新的引用資料，新增小節討論可視化、模式挖掘以及最新的聚類方法。本書配有豐富及完善的教輔支持，包括配套網站、大量的習題集以及習題答案等。盡管這是一本數據挖掘的教材，但對於讀者沒有太高的要求，只需要讀者具有少量編程經驗並了解基本的資料庫設計和統計分析知識。還有兩點值得注意：第一，本書的參考書目是關於了解數據挖掘研究的非常好的參考列表；第二，書中的索引非常全面和有效，能夠幫助讀者很容易地定位相關知識點。其他學科的研究人員和分析人員，例如，流行病學家、金融分析師、心理測量研究人員，也會發現本書非常有用。
—— Computing Reviews
當代商業和科學領域大量激增的數據量要求我們採用更加復雜和精細的工具來進行數據分析、處理和挖掘。盡管近年來數據挖掘技術取得的長足進展使得我們廣泛收集數據越來越容易，但技術的發展依然難以匹配爆炸性的數據增長以及隨之而來的大量數據處理需求，因此我們比以往更加迫切地需要新技術和自動化工具來幫助我們將這些數據轉換為有用的信息和知識。
本書前版曾被KDnuggets的讀者評選為最受歡迎的數據挖掘專著，是一本可讀性極佳的教材。它從資料庫角度全面系統地介紹數據挖掘的概念、方法和技術以及技術研究進展，並重點關注近年來該領域重要和最新的課題——數據倉庫和數據立方體技術，流數據挖掘，社會網路挖掘，空間、多媒體和其他復雜數據挖掘。每章都針對關鍵專題有單獨的指導，提供最佳演算法，並對怎樣將技術運用到實際工作中給出了經過實踐檢驗的實用型規則。如果你希望自己能熟練掌握和運用當今最有力的數據挖掘技術，那本書正是你需要閱讀和學習的寶貴資源。本書是數據挖掘和知識發現領域內的所有教師、研究人員、開發人員和用戶都必讀的一本書。
【本書特色】
引入了許多演算法和實現示例，全部以易於理解的偽代碼編寫，適用於實際的大規模數據挖掘項目。
討論了一些高級主題，例如挖掘面向對象的關系型資料庫、空間資料庫、多媒體資料庫、時間序列資料庫、文本資料庫、萬維網以及其他領域的應用等。
全面而實用地給出用於從海量數據中獲取盡可能多信息的概念和技術。
作者簡介：Jiawei Han（韓家煒）伊利諾伊大學厄巴納-尚佩恩分校計算機科學系Abel Bliss教授。由於在數據挖掘和資料庫系統領域卓有成效的研究工作，他曾多次獲得各種榮譽和獎勵，包括2004年ACM SIGKDD頒發的最佳創新獎，2005年IEEE Computer Society頒發的技術成就獎，2009年IEEE頒發的W. Wallace McDowell獎。他是ACM和IEEE Fellow。
Micheline Kamber 擁有加拿大康考迪亞大學計算機科學碩士學位，她是NSERC Scholar，先後在加拿大麥吉爾大學、西蒙-弗雷澤大學及瑞士從事研究工作。
Jian Pei（裴健）目前是加拿大西蒙-弗雷澤大學計算機科學學院教授。2002年，他在Jiawei Han教授的指導下獲得西蒙-弗雷澤大學博士學位。