数据挖掘原理与算法第三版答案
‘壹’ 数据挖掘答案求助，急急急
数据整合是当今数据分析面临的最大挑战。实际上，许多公司只是简单地将数据堆积在一起，并未对不同来源的数据进行整合。就拿身份认定来说，比如一套系统下“路人A”的信息与另一套系统下“路人A”（甚至可能是重名）的信息之间，没有进行关联，这样的话，就无法对“路人A”的身份进行完整性描述。数据整合并不等于将数据集中到一起，对于研究对象，要将不同来源的数据相互关联，以便获取更准确的信息定位。并且数据科学家会通过数据来寻找并分析竞争优势，可能的企业新的突破点等等，因此，数据整合也变得越发重要。
‘贰’ 急求《计算机导论》第三版的 清华大学出版社的 课后习题答案，黄国兴的。。
是这个吗？
复制的·
http://..com/question/80651958.html
第1章 概 述
习题(答案)
一．选择题
1. D 2. B 3. CD 4. C 5. ABC
6. A 7. B 8. B 9. ABCD 10. ABCDE
二．简答题
1．什么是计算机系统？
计算机系统是一种能够按照事先存储的程序，自动、高速地对数据进行输入、处理、输出和存储的系统，由计算机硬件系统和计算机软件系统两大部分组成。
2．请解释冯•诺依曼所提出的“存储程序”概念。
把程序和数据都以二进制的形式统一存放在存储器中，由机器自动执行。不同的程序解决不同的问题，实现了计算机通用计算的功能。
3．控制器的主要功能是什么？
控制器基本功能就是从内存中取出指令和执行指令，即控制器按程序计数器指出的指令地址从内存中取出该指令进行译码，然后根据该指令功能向有关部件发出控制命令，执行该指令。另外，控制器在工作过程中，还要接受各部件反馈回来的信息。
4．简述CPU和主机的概念。
通常把运算器、控制器做在一个大规模集成电路块上称为中央处理器，又称CPU(Central Processing Unit)。
通常把内存储器、运算器和控制器合称为计算机主机，也可以说主机是由CPU与内存储器组成的，而主机以外的装置称为外部设备，外部设备包括输入/输出设备，外存储器等。
5．什么是计算机软件？计算机软件的分类有哪些？
软件是指用来指挥计算机运行的各种程序的总和以及开发、使用和维护这些程序所需的技术文档。
计算机软件系统分为系统软件和应用软件。计算机系统软件由操作系统、语言处理系统、以及各种软件工具等组成，指挥、控制计算机硬件系统按照预定的程序运行、工作，从而达到预定的目标。应用软件是用户利用计算机软、硬件资源为解决各类应用问题而编写的软件，包括用户程序及其说明性文件资料。
6．计算机有哪些主要的特点？
(1)运算速度快、精度高
计算机的字长越长，其精度越高，现在世界上最快的计算机每秒可以运算几十万亿次以上。一般计算机可以有十几位甚至几十位(二进制)有效数字，计算精度可由千分之几到百万分之几，是任何计算工具所望尘莫及的。
(2)具有逻辑判断和记忆能力
计算机有准确的逻辑判断能力和高超的记忆能力。能够进行各种逻辑判断，并根据判断的结果自动决定下一步应该执行的指令。
(3)高度的自动化和灵活性
计算机采取存储程序方式工作，即把编好的程序输入计算机，机器便可依次逐条执行，这就使计算机实现了高度的自动化和灵活性。
7．计算机的分类有哪些？
根据计算机工作原理和运算方式的不同，以及计算机中信息表示形式和处理方式的不同，计算机可分为数字式电子计算机(Digital Computer)、模拟式电子计算机(Analog Computer)和数字模拟混合计算机(Hybrid Computer)。当今广泛应用的是数字计算机，因此，常把数字式电子计算机(Electronic Digital Computer)简称为电子计算机或计算机。
按计算机的用途可分为通用计算机(General Purpose Computer)和专用计算机(Special Purpose Computer )两大类。通用计算机能解决多种类型问题，是具有较强通用性的计算机，一般的数字式电子计算机多属此类；专用计算机是为解决某些特定问题而专门设计的计算机，如嵌入式系统。
根据计算机的总体规模对计算机分类，可分为巨型机(Super Computer)、大/中型计算机(Mainframe)、小型计算机(Mini computer)、微型计算机(Micro computer)和网络计算机(Network Computer)五大类。
常见的微型机还可以分为台式机、便携机、笔记本电脑、掌上型电脑等多种类型。
8．简述计算机的基本运行方式。
计算机的基本运作方式可概括为所谓的“IPOS循环”。IPOS循环即输入(Input)、处理(Processing)、输出(Output)和存储(Storage)，它反映了计算机进行数据处理的基本步骤。
(1)输入
接受由输入设备(如键盘、鼠标器、扫描仪等)提供的数据。
(2)处理
对数值、逻辑、字符等各种类型的数据进行操作，按指定的方式进行转换。
(3)输出
将处理所产生的结果等数据由输出设备(如显示器、打印机、绘图仪等)进行输出。
(4)存储
计算机可以存储程序和数据供以后使用。
9．计算机有哪些主要的用途？
(1)科学计算
使用计算机来完成科学研究和工程技术中所遇到的数学问题的计算称为科学计算，也称为数值计算。科学计算是使用计算机完成在科学研究和工程技术领域中所提出的大量复杂的数值计算问题，是计算机的传统应用之一。
(2)信息处理
所谓信息处理就是使用计算机对数据进行输入、分类、加工、整理、合并、统计、制表、检索以及存储等，又称为数据处理。例如座席预订与售票系统、零售业中的应用、办公自动化等。信息处理已成为当代计算机的主要任务，是现代化管理的基础。
(3)实时控制(也称过程控制)
实时控制也称过程控制，实时控制能及时地采集检测数据、使用计算机快速地进行处理并自动地控制被控对象的动作，实现生产过程的自动化。
(4)计算机辅助设计/辅助制造/辅助教学
计算机辅助设计(Computer Aided Design——CAD)是使用计算机来辅助人们完成产品或工程的设计任务的一种方法和技术。计算机辅助制造(Computer Aided Manufacturing——CAM)是使用计算机辅助人们完成工业产品的制造任务，能通过直接或间接地与工厂生产资源接口的计算机来完成制造系统的计划、操作工序控制和管理工作的计算机应用系统。计算机辅助教学(Computer Aided Instruction——CAI)是把计算机用作教学媒体，使它充当指导者、工具和学习者角色，学生通过与计算机的对话进行学习的一种新型教学技术。
(5)人工智能
人工智能(Artificial Intelligence——AI)就是指计算机模拟人类某些智力行为的理论、技术和应用。
(6)多媒体技术
随着电子技术特别是通信和计算机技术的发展，人们已经有能力把文本、音频、视频、动画、图形和图像等各种媒体综合起来，构成“多媒体”(Multimedia)的概念。
10．简述计算机的发展趋势。
(1)微型化
一方面，随着计算机的应用日益广泛，在一些特定场合，需要很小的计算机，计算机的重量、体积都变得越来越小，但功能并不减少。另一方面，随着计算机在世界上日益普及，个人电脑正逐步由办公设备变为电子消费品。人们要求电脑除了要保留原有的性能之外，还要有时尚的外观、轻便小巧、便于操作等特点，如平板电脑、手持电脑等。今后个人计算机(Personal Computer)在计算机中所占的比重将会越来越大，使用也将会越来越方便。
(2)巨型化
社会在不断发展，人类对自然世界的认识活动也越来越多，很多情况要求计算机对数据进行运算。“巨型化”在这里并不是通常意义上的大小，主要是指机器的性能——运算速度等。
(3)网络化
因特网(Internet)的建立正在改变我们的世界，改变我们的生活。网络具有虚拟和真实两种特性，网上聊天和网络游戏等具有虚拟特性，而网络通信、电子商务、网络资源共享则具有真实的特性。
(4)智能化
今后，计算机在生活中扮演的角色将会更加重要,计算机应用将具有更多的智能特性，能够帮助用户解决—些自己不熟悉或不愿意做的事，如智能家电、烹调等。
(5)新型计算机
目前新一代计算机正处在设想和研制阶段。新一代计算机是把信息采集、存储处理、通信和人工智能结合在一起的计算机系统。
11．简述计算学科的定义、计算学科的本质、计算学科的三个过程。
计算学科是对描述和变换信息的算法过程，包括对理论分析、设计、效率、实现和应用等进行的系统研究。计算学科的研究包括了从算法与可计算性的研究到根据可计算硬件和软件的实际实现问题的研究。
计算学科的根本问题是“什么能被有效地自动进行？”。计算学科的根本问题讨论的是能行性的有关内容，而凡是与能行性有关的讨论都是处理离散对象的。
计算学科的实质是学科方法论的思想，其关键问题是抽象、理论和设计三个过程相互作用的问题。
(1)理论
理论是数学科学的根本。应用数学家们都认为，科学的进展都是基于纯数学的。应用数学用数学的方法推动经验科学和工程学的发展，同时又不断刺激对新数学的需要，为纯理论数学提出新的问题。
(2)抽象
抽象(模型化)是自然科学的根本。科学家们相信，科学进展的过程基本上都是形成假设，然后用模型化过程去求证。
(3)设计
设计是工程的根本。工程师们认为，工程进展基本上都是提出问题，然后通过设计去构造系统，以解决问题。
12．简述计算机科学与技术学科的定义。
计算机科学技术是研究计算机的设计与制造和利用计算机进行信息获取、表示、存储、处理、控制等的理论、原则、方法和技术的学科，包括科学与技术两方面。科学侧重于研究现象、揭示规律；技术则侧重于研制计算机和研究使用计算机进行信息处理的方法与技术手段。科学是技术的依据，技术是科学的体现；技术得益于科学，它又向科学提出新的课题。
13．简述计算机科学课程体系的核心内容。
计算学科课程体系的教学内容归结为14个知识体，包括：
(1)离散结构(PS)
计算学科是以离散型变量为研究对象，离散数学对计算技术的发展起着十分重要的作用。随着计算技术的迅猛发展，离散数学越来越受到重视。
(2)程序设计基础(PF)
《计算作为一门学科》报告指出了程序设计在计算学科的正确地位：程序设计是计算学科课程中固定练习的一部分，是每一个计算学科专业的学生应具备的能力，是计算学科核心科目的一部分，程序设计语言还是获得计算机重要特性的有力工具。
(3)算法与复杂性(AL)
算法是计算机科学和软件工程的基础，现实世界中，任何软件系统的性能仅依赖于两个基本点方面，一方面是所选择的算法；另一方面是各不同层次实现的适宜性和效率。
(4)组织与体系结构(AR)
计算机在计算中处于核心地位，如果没有计算机，计算学科只是理论数学的一个分支，应该对计算机系统的功能构件、以及他们的特点/性能和相互作用有一定的理解。
(5)操作系统(OS)
操作系统定义了对硬件行为的抽象，程序员用它来对硬件进行控制。操作系统还管理计算机用户间的资源共享。
(6)网络计算(NC)
计算机和通信网络的发展，尤其是基于TCP/IP的网络的发展使得网络技术在计算学科中更加重要。
(7)程序设计语言(PL)
程序设计语言是程序员与计算机交流的主要工具。一个程序员不仅要知道如何使用一种语言进行程序设计，还应理解不同语言的程序设计风格。
(8)人-机交互(HL)
人机交互重点在于理解人对交互式对象的交互行为，知道如何使用以人为中心的方法开发和评价交互软件系统，以及人机交互设计问题的一般知识。
(9)图形学和可视化计算(GV)
该主领域的主要内容包括：计算机图形学、可视化、虚拟现实、计算机视觉等4 个学科子领域的研究内容。
(10)智能系统(IS)
人工智能领域关心的问题是自主代理的设计和分析。智能系统必须干知其环境，合理地朝着指定的任务行动，并与其它代理和人进行交互。
(11)信息管理(IM)
信息系统几乎在所有使用计算机的场合都发挥着重要的作用。
(12)软件工程(SE)
软件工程是关于如何有效地利用建立满足用户和客户需求的软件系统理论/知识和实践的学科，可以应用于小型、中型、大型系统。
(13)数值计算科学(CN)
从计算学科的诞生之日起，科学计算的数值方法和技术就构成了计算机科学研究的一个主要领域。
(14)社会和职业问题(SP)
大学生需要懂得计算学科本身基本的文化、社会、法律和道德问题。还需要培养学生提出有关计算的社会影响这样严肃问题以及对这些问题的可能答案进行评价的能力。学生还需要认识到软硬件销售商和用户的基本法律权利，也应意识到这些权利的基本基础——道德价值观。
三．讨论题
1．计算机的产生是世纪最伟大的成就之一，具体体现在哪些方面？根据你的观察，请列出计算机的应用。
答案略。
2．计算机提供了无限的机会和挑战。利用它可以更快更好地完成许多事情，可以方便地和全世界的人们联系和通信。但是，是否想过事情的反面呢？所有的变化都是积极的么？计算机的广泛使用会产生什么负面的影响吗？讨论这些问题和其他所能想到的问题。
答案略。
是这个吗?
‘叁’ 求 《数据库原理与应用技术-sql server》赵彦主编 清华大学出版社 的课后习题答案
与o<<提高组织知识管理水2平的柔性人j力u资源管理策略>>相似的文5献。 提高组织知识管理水3平的柔性人d力d资源管理策略 The Flexible Human Resource Management Policies on Improving the Level of Organizational Knowledge Management [科学学与r科学技术管理 Science of Science and Management of S。&。T。] 曹龙 , 陈菊红 , CAO Long , CHEN Juhong 论人o力a资源管理的柔性化0--柔性管理模式在高校人c力w资源管理中4的应用 On the Flexibility of Human Resource Management--The Application of Flexible Managing Pattern to Human Resource Management in Colleges and Universities [青岛职业技术学院学报 Journal of Qing Vocational and Technical College] 赵明昳 , ZHAO Ming-yi 人n力e资源柔性管理的评价指标体系及z分1析模型 Evaluation Index System and Analytical Model of Human Resource Flexible Management [西安电子k科技大p学学报（社会科学版） Journal of Xidian University(Social Sciences Edition)] 谢琳 , 杜纲 , XIE Lin , DU Gang 促进知识管理的人p力a资源管理策略 Human Resource Management Strategies Facilitating Knowledge Management [中6国农业大d学学报（社会科学版） Journal of China Agricultural University(Social Sciences Edition)] 时勘 , 李超平 知识经济时代政府人o力p资源管理的新模式--柔性管理 New mode of government's human resources management in era of knowledge-driven economy--Flexible management [行政与z法 Public Administration & Law] 明章华 , 马t长0伟 , Ming Zhang-hua , Ma Chang-wei 基于j知识经济环境下v的人x力t资源柔性管理 Human resource flexible management basing on knowledge economy environment [特区m经济 Special Zone Economy] 代莎 , 杜婧 , 汤红青 , Dai Sha , Du Jing , Tang Hong Qing 扁平化8组织与v柔性人m力b资源管理 FLAT ORGANIZATION AND FLEXIBLE HUMAN RESOURCES MANAGEMENT [北方2经贸 Northern Economy and Trade] 梁江 , 刘彦 , LIANG Jiang , LIU Yan 论公8共组织人s力j资源管理和组织创新 Human Resource Management and Organizational Innovation in Public Organizations [商业研究 Commercial Research] 刘晓峰 , LIU Xiao-feng 乘加入wWTO之g机转变观念改善机制提高人h力d资源管理水2平 Changing Conception and Improving Mechanism under the Chance of Entering WTO Advancing the Management Level of the Human Resource [山d东行政学院山m东省经济管理干b部学院学报 Journal of Shandong Administration Institute and Shandong Economic Management Personnel Institute] 郁学凯 , YU Xue-kai 浅议高校人f力q资源的柔性管理 Discuss of human resources flexible management in university [成都大l学学报（教育科学版） Journal of Cheng University(Ecational Sciences Edition)] 熊焰 , Xiong Yan 高校人m力g资源管理方8式的柔性化2研究 Flexible Study of Human Resources Management in College and University [辽宁高职学报 Liaoning Higher Vocational Technical Institute Journal] 王y雨华 , WANG Yu-hua 企业集团人o力z资源管理组织模式探讨 Explore on Organizational Model of Enterprise Group's Human Resource Management [科学学与w科学技术管理 Science of Science and Management of S。&。T。] 朱宁 , 陈晓剑 基于x知识管理的高校人r力v资源配置 Allocation of Human Resource in High Institution Based on Knowledge Management [研究与h发展管理 R & D Management] 于a海棠 , YU Hai-tang 基于b知识的战略人m力a资源管理 Study on the Strategic Human- resource Management Based on Knowledge Management [情报科学 Information Science] 易明 , 邓1卫l华 人w力k资源管理的发展新趋势 ——从6基于u工v作的人a力m资源管理到基于h能力k的人a力m资源管理 The New Trend of Human Resource Management ——From Job-Based Human Resource Management to Competency-Based Human Resource Management [系统工t程理论与e实践 Systems Engineering —Theory & Practice] 尚玉7钒 , 宋合义l 更多相似文0献。。。 <<提高组织知识管理水4平的柔性人k力s资源管理策略>>引5用的文0献 基于s数据挖掘的知识获取与h发现 《计5算机工t程》 秦国锋 5002 。 。 41 P 基于z知识应用的数据挖掘技术理论分5析与j应用研究 《计7算机集成制造系统-CIMS》 窦万s春 王u玉7 王z玉1 8000 。 。 P 数据挖掘知识谈 《甘肃科技纵横》 杨春林 2006 。 。 07 P 基于q搜索引1擎的知识发现 《计7算机工x程与j应用》 马t玉1春 2008 。 。 70 P 基于j搜索引0擎的个c性化5知识推送系统 《中6国信息导报》 张延国 4001 。 。 00 P 基于y动态知识库搜索引4擎的技术 《暨南大o学学报》 王c会进 李清 李清 4006 。 。 P 创新网络组织学习z研究 《武汉管理学报》 郭跃华 3004 。 。 P 组织学习f、知识创新与x组织创新的互2动研究 《科学管理研究》 林山g 黄培伦 黄培伦 2000 。 。 03 P 知识管理的职能及s其与s组织学习s的关系 《经济论坛》 五g玉5法 8002 。 。 70 P 知识管理 《北京:机械工y业出版社》 夏敬华 5005 。 。 P 800-806 驱动知识价值链的人a力b资源管理研究 《科学管理研究》 齐二h石 王p玲 王c玲 5001 。 。 35 P 知识管理--冲击与z改进战略研究 《北京:清华大h学出版社》 王z广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 知识经济时代的人i力r资源管理 《科技与n管理》 王m东民 3008 。 。 06 P 知识管理时代的人y力x资源管理 《江南大g学学报》 张秀川q 1003 。 。 P z唬恕vゅe屺k悺k悺r啖t吱z唬恕qnΕ
‘肆’ 《数据挖掘概念与技术（原书第3版）》pdf下载在线阅读全文，求百度网盘云资源
《数据挖掘》（（美）Jiawei Han）电子书网盘下载免费在线阅读
链接: https://pan..com/s/1A_aVpCLktPsdS7HCMlsiZQ
书名：数据挖掘
作者：（美）Jiawei Han
译者：范明
豆瓣评分：7.9
出版社：机械工业出版社
出版年份：2012-8
页数：468
内容简介：
数据挖掘领域最具里程碑意义的经典着作
完整全面阐述该领域的重要知识和技术创新
引入了许多算法和实现示例，全部以易于理解的伪代码编写，适用于实际的大规模数据挖掘项目。
讨论了一些高级主题，例如挖掘面向对象的关系型数据库、空间数据库、多媒体数据库、时间序列数据库、文本数据库、万维网以及其他领域的应用等。
全面而实用地给出用于从海量数据中获取尽可能多信息的概念和技术。
作者简介：
Jiawei Han（韩家炜）伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系Abel Bliss教授。由于在数据挖掘和数据库系统领域卓有成效的研究工作，他曾多次获得各种荣誉和奖励，包括2004年ACM SIGKDD颁发的最佳创新奖，2005年IEEE Computer Society颁发的技术成就奖，2009年IEEE颁发的W. Wallace McDowell奖。他是ACM和IEEE Fellow。
Micheline Kamber 拥有加拿大康考迪亚大学计算机科学硕士学位，她是NSERC Scholar，先后在加拿大麦吉尔大学、西蒙-弗雷泽大学及瑞士从事研究工作。
Jian Pei（裴健）目前是加拿大西蒙-弗雷泽大学计算机科学学院教授。2002年，他在Jiawei Han教授的指导下获得西蒙-弗雷泽大学博士学位。
‘伍’ 毕业设计题目是（选用决策树算法的数据挖掘实例分析与设计）
应用遗传算法和决策树算法在数据挖掘中的比较
贾修一 MG0533024
(南京大学 计算机科学与技术系, 江苏省南京市 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: 对训练数据分别采用遗传算法和决策树算法进行数据挖掘,通过比较两者实验得出的结果,来选
择更适合本数据集的算法进行分类,并分析实验结果及原因.
关键词: 遗传算法;数据挖掘;决策树算法
1. 数据的描述
数据属性有139351维,每个属性的取值为0或1,分类标识只有两类:A和I.数据的维数太高,在数
据预处理阶段最好做属性的约简,进行降维的处理.
(1)数据维数太高,易造成一定的维数灾难,使得分类挖掘时间过长.
(2)数据庞大,肯定有些噪音数据.
2.算法的设计
为了提高最后分类的精确度,特设计了两种方法进行比较,从中选出一种精确度高的方法.第一种是根
据数据的特点,每个属性只取值0和1,所以进行属性约简的时候采用遗传算法.遗传算法的优点是可以对
大规模的数据进行一定的属性约简.
2.1 遗传算法描述:
(1) 遗传算法的步骤是编码,选择,交叉,变异.通过模仿自然界中的遗传进化原理,来对数据进行
处理.而遗传算法的好坏取决于适应度函数的选择,进化的次数,和交叉变异的合理性和概率性等,所以要
想设计一个合适的遗传算法必须经过大量的实验.
(2) 就训练数据而言,对每一维属性的取值,在类标识一定的条件下,取1和取0的概率之间有个绝
对值差α1,α2,该差越大,说明该属性的重要程度越高.同时还要考虑对同一维属性,不论最终类标识是
什么,取值都相同的话,则该属性可以被认为是无效的属性,对最后的分类没有影响,所以适应度函数取对
每一维属性的α1,α2的熵,熵越大,则属性的重要程度就越低.
(3) 编码阶段,就把每一位属性做为一个长度为139351的染色体的一个基因,1表示选择该属性,0
表示不选择该属性.随机初始化8个种群,按照适应度函数的定义,从中选取4个适应度函数最小的染色体
做为父代.
(4) 将选出的父代进行交叉操作,因为是降维操作,所以交叉就是取两个染色体之间隔位进行AND(与)
操作,变异就是按照一定的概率,在139351维上随机的100位进行非操作,即:0变为1,1变为0.依次又
产生4个后代,结合原来的4个父代组成新的8个初始种群.进化50次.
然后利用贝叶斯方法进行分类.得到的是一个弱的学习器h,然后利用AdaBoost方法进行强化学习分类器.
2.2 AdaBoost算法描述:
(1) 给定训练集(x1,y1),(x2,y2),…,(xm,ym)m个.
(2) yi∈{-1,+1},实例xi∈X的正确标识.
(3) for t=1,…,T
2
{
构造{1,…,m}上的分布Dt,找出弱分类器 ht:X->{-1,+1},
同时在Dt产生很小的错误εt:
εt=PrDt[ht(xi)≠yi]
}
(4)构造 Dt,D1(i)=1/m
Dt+1(i)= Dt/Zt*exp(-αt*yi*ht(xi))//(注:yi和ht(xi)只能取值于{-1,+1})
其中Zt是归一化因子(使Dt+1为分布)
αt=1/2*㏑((1-εt)/ εt)>0
(5)输出最终分类器:Hfinal(x)=sign(∑αt*ht(x)).
第二种方法就是直接使用决策树方法(ID3算法)进行分类.求出每一维属性的的信息增益,建立一棵
决策树,利用决策树来进行分类.
2.3 决策树算法(ID3)
(1)创建节点N;
(2)if samples都在同一个类C then
{
返回N作为叶结点,以类C标识;
}
(3)if attribut_list为空 then
{
返回N作为叶结点,标记为samples中最普通的类;
}
(4) 选择attribute_list中具有最高信息增益的属性test_attribute;标记节点N为test_attribute;
(5) for each test_attribute中的已知值a
由节点N长出一个条件为test_attribute=a的分枝;
(6) 设s是samples中test_attribute=a的样本的集合;
(7) if s为空 then
加上一个树叶,标记weisamples中最普通的类;
else
加上一个由ID3(s,attribute_list-test_attribute)返回的节点;
3. 实验分析
就第一种方法:通过实验,在进化次数上选取50次,使得维数约简到1500维左右时得到的分类效果最
好,但由于种群是随机产生的,所以在未进行boosting强化时正确率在60～85%之间,不是很稳定,但是符
合弱分类器的要求,即只要正确率超过50%就行,在进行boosting后,正确率能超过80%,但可能是数据进
行约简的不好或进行迭代的次数选取不太合适,正确率却没有ID3的高.就本数据集而言,由于最终标识只
有2个,所以比较适合使用遗传算法和Adaboost进行训练.正确率不高主要问题应该在:
(1)遗传算法的适应度函数没有选好,不同的编码方式对应不同的适应度函数取法,就本例而言,二进
制编码方式应该是可以的,就是在对适应度函数取的时候没有一个合适的数据表示,只好利用了熵的概念,
但在实际意义上感觉效果并不是很好.属性约简后正确率不高,这应该是最主要的原因.
(2)交叉变异的方式或许有问题,但是不是主要问题,只要适应度函数选好,也就是选择操作正确的话,
这两步操作对最终结果应该影响不大.
(3)进化次数的改进,通过实验,考虑最后的正确率和运行时间,发现在进化50次和约简到1500维时
贾修一:应用遗传算法和决策树算法在数据挖掘中的比较3
效果最好.但随着适应度函数的不同,进化次数也不同.从理论上说,进化次数越多,效果也应该越好,最
终达到一个最优解,但同时要避免得到局部最优解,就需要对传统的遗传算法进行改进,避免早熟问题.在
此就不讨论.
(4)利用贝叶斯分类得到的弱学习器,在格式上并不和Adaboost完全适应,所以在应用的时候效果不
是很好,这也取决于迭代的次数和训练样集的选取.
就决策树方法,对这么多维的属性在某种意义上说并不合适,但就对本实验给定的训练样例集而言,通
过建树,只要6个结点就可以,而且正确率超过90%,所以,根据不同的数据集采用不同的方法得到的正确
率是不一样的.所以在某种程度上说,奥卡姆剃刀原理是正确的.
由于时间有限,没有对第一种方法进行一定的改进和进行其他方法的实验,故最终采用ID3算法进行分
类,采用前100个数据进行训练,后10个进行测试,错误的只有1个.采用前80个数据进行训练,后30
个进行测试的时候只有2个分类错误.正确率自测还是可以的.
4. 总结和感谢
通过本次实验,最大的收获就是采用了两种不同的方法进行了实验比较,虽然自己原先设计的算法没有
得到期望中的效果,并最终采用了其他的算法,但是通过实验,我对遗传算法和AdaBoost强化弱学习器方法
等有了更深的了解,也明白对不同的数据,是没有一种万能通用的解法的.以后会继续改进自己的算法,争
取取得好的效果.最后感谢老师能提供这次实验的数据.
‘陆’ 求数据挖掘原理与算法(第3版)教师用书 毛国君 编着的课后答案
答案家论坛不是有这个答案吗，你在里面搜下关键字看看
‘柒’ 《数据挖掘概念与技术（原书第3版）》pdf下载在线阅读，求百度网盘云资源
《数据挖掘》（（美）Jiawei Han）电子书网盘下载免费在线阅读
资源链接：
链接：https://pan..com/s/1Nla-Mw4lQs5cgYnQZ-o7Ag
书名：数据挖掘
作者：（美）Jiawei Han
译者：范明
豆瓣评分：7.9
出版社：机械工业出版社
出版年份：2012-8
页数：468
内容简介：数据挖掘领域最具里程碑意义的经典着作
完整全面阐述该领域的重要知识和技术创新
这是一本数据挖掘和知识发现的优秀教材，结构合理、条理清晰。本书既保留了相当篇幅讲述数据挖掘的基本概念和方法，又增加了若干章节介绍数据挖掘领域最新的技术和发展，因此既适合初学者学习又适合专业人员和实践者参考。本书视角广阔、资料翔实、内容全面，能够为有意深入研究相关技术的读者提供足够的参考和支持。总之， 强烈推荐从高年级本科生到专业人员和实践者都来阅读这本书！
—— 美国CHOICE杂志
这是一本非常优秀的数据挖掘教材，最新的第3版反映了数据挖掘领域的最新发展和变化。书中增加了2006年第2版以来最新的引用资料，新增小节讨论可视化、模式挖掘以及最新的聚类方法。本书配有丰富及完善的教辅支持，包括配套网站、大量的习题集以及习题答案等。尽管这是一本数据挖掘的教材，但对于读者没有太高的要求，只需要读者具有少量编程经验并了解基本的数据库设计和统计分析知识。还有两点值得注意：第一，本书的参考书目是关于了解数据挖掘研究的非常好的参考列表；第二，书中的索引非常全面和有效，能够帮助读者很容易地定位相关知识点。其他学科的研究人员和分析人员，例如，流行病学家、金融分析师、心理测量研究人员，也会发现本书非常有用。
—— Computing Reviews
当代商业和科学领域大量激增的数据量要求我们采用更加复杂和精细的工具来进行数据分析、处理和挖掘。尽管近年来数据挖掘技术取得的长足进展使得我们广泛收集数据越来越容易，但技术的发展依然难以匹配爆炸性的数据增长以及随之而来的大量数据处理需求，因此我们比以往更加迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识。
本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专着，是一本可读性极佳的教材。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和最新的课题——数据仓库和数据立方体技术，流数据挖掘，社会网络挖掘，空间、多媒体和其他复杂数据挖掘。每章都针对关键专题有单独的指导，提供最佳算法，并对怎样将技术运用到实际工作中给出了经过实践检验的实用型规则。如果你希望自己能熟练掌握和运用当今最有力的数据挖掘技术，那本书正是你需要阅读和学习的宝贵资源。本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的一本书。
【本书特色】
引入了许多算法和实现示例，全部以易于理解的伪代码编写，适用于实际的大规模数据挖掘项目。
讨论了一些高级主题，例如挖掘面向对象的关系型数据库、空间数据库、多媒体数据库、时间序列数据库、文本数据库、万维网以及其他领域的应用等。
全面而实用地给出用于从海量数据中获取尽可能多信息的概念和技术。
作者简介：Jiawei Han（韩家炜）伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系Abel Bliss教授。由于在数据挖掘和数据库系统领域卓有成效的研究工作，他曾多次获得各种荣誉和奖励，包括2004年ACM SIGKDD颁发的最佳创新奖，2005年IEEE Computer Society颁发的技术成就奖，2009年IEEE颁发的W. Wallace McDowell奖。他是ACM和IEEE Fellow。
Micheline Kamber 拥有加拿大康考迪亚大学计算机科学硕士学位，她是NSERC Scholar，先后在加拿大麦吉尔大学、西蒙-弗雷泽大学及瑞士从事研究工作。
Jian Pei（裴健）目前是加拿大西蒙-弗雷泽大学计算机科学学院教授。2002年，他在Jiawei Han教授的指导下获得西蒙-弗雷泽大学博士学位。