数据挖掘在2型糖尿病数据处理中的应用

基于大量实测数据探索2型糖尿病的发病规律,寻求其有效的数据处理方法。将数据挖掘技术引入到2型糖尿病数据处理中得出决策分类树,再同医学认识相对照。利用11400条实测数据,采用C4．5算法得出分类树,经实验患病人群的正确识别率为80．90％,未患病人群的正确识别率为92．05％。给出的决策分类树同目前医学上认识的高危因素趋于一致,同时给出了血糖值等于5．85的临界性数值。数据挖掘方法的引入为2型糖尿病数据处理提供了一种新的方法,为其预警、干预和有效控制提供了一种新的解决方案。     

C4.5算法在2型糖尿病分类规则建立中的应用*

基于大量实测数据,将数据挖掘C4.5算法引入2型糖尿病的数据处理之中,建立了多条有效规则,通过测试其患病与未患病的平均正确识别率达97%。重要的是建立的这些规则同医学上的认识基本一致,可以说这些规则的建立为解释糖尿病发病因素之间的相互关系以及影响程度提供了一种新的方法,为建立2型糖尿病的预警和干预控制的研究提供了基础。     

C4.5算法在2型糖尿病分类规则建立中的应用

基于大量实测数据，将数据挖掘C4．5算法引入2型糖尿病的数据处理之中，建立了多条有效规则，通过测试其患病与未患病的平均正确识别率达97％。重要的是建立的这些规则同医学上的认识基本一致，可以说这些规则的建立为解释糖尿病发病因素之间的相互关系以及影响程度提供了一种新的方法，为建立2型糖尿病的预警和干预控制的研究提供了基础。     

基于决策树C4.5改进算法的交通数据挖掘

针对交通拥堵等问题,给出了交通数据挖掘模型.在已有的理论之上,对决策树C4.5算法进行了分析,提出了由简化信息熵构造决策树的改进算法.并将其应用到交通数据的挖掘中,结果证明了该改进算法能够正确将交通数据分类,并得到若干有价值的结论,供决策分析.     

C4.5算法在移动通信行业客户流失分析中的应用

稳定客户和吸引客户是移动通信企业提高竞争力的关键.基于大量实验数据将数据挖掘的决策树方法引入移动通信行业客户流失分析中,通过对数据的预处理,利用C4.5算法创建决策树,通过测试流失的与未流失的客户,平均正确识别率为91.6%.决策树体现的规则与经验基本一致,为移动通信企业建立客户流失的预警机制提供了决策支持.     

基于C4.5算法的高校财务预警系统的研究

C4.5算法是基于信息熵理论进行数据分类分析的经典决策树数据挖掘算法,它主要包括数据预处理、决策树生成、决策树修剪、决策树规则提取等步骤。将C4.5算法应用于高校财务预警系统的数据分析中,通过对调查数据挖掘分析表明,数据挖掘在高校财务预警调查数据分析中具有广泛的应用前景。     

数据挖掘技术在高校就业工作中的应用研究

对于高校就业管理信息系统中积累的大量数据,运用数据挖掘算法中的决策村方法挖掘出潜在的有用的信息,为高校开展就业工作提供决策支持.根据就业数据的特点,采用C4.5决策树算法,对就业数据进行预处理,选取决策属性,实现挖掘算法并抽取规则知识,由规则知识指出哪些决策属性决定了就业单位的类别.挖掘结果表明,该算法能够正确将就业数据分类,并得到若干有价值的结论,供决策分析.     

C4.5算法在冠状造影数据处理中的应用

首先采用数据清理、数据变换、数据规约等预处理技术处理原始数据,并借助weka平台,通过C4.5算法生成决策树;然后针对决策树对正确率判断不够理想的地方,调整比例因子变量再进行测试提高判断的正确率。由两种方法的比较,以及与医学认识相对照,可以得出,文中所得决策分类树的构成特点同目前已知的高危因素趋于一致。通过C4.5算法建立判定决策树,降低了冠状动脉造影（CAG）的危险,为冠心病的分析预测提出了一种新的方法。     

交通流量数据的分类规则挖掘

概述了数据挖掘的分类算法,并简要介绍了C5.0决策树算法。以北京市“三横两纵”主干道交通流量数据为例,采用C5.0决策树算法提取交通流量的分类规则,用于分析交通流量规律、信息模式和数据趋势,并对分类树进行量化,为交通信号设计、路网规划、道路设计、路网节点设计等提供决策支持。     

决策树算法在大学生心理健康评测中的应用

近年来,由大学生心理疾病引发的各种社会问题频发,把数据挖掘技术引入大学生心理健康状况的诊断研究具有其他技术不可比拟的优势,它能挖掘事物中隐含的规律。对决策树C4.5算法的原理进行阐述,并通过C4.5建立一个心理健康评估模型,构造决策树,由提取规则对心理健康进行预测。实验结果表明,该算法能将学生心理健康进行正确分类。挖掘结果能指导心理健康教育工作者制定正确的辅导计划,对辅助决策有很好的帮助。     

基于决策树的ID3算法和C4．5算法的比较

阐明决策树分类器在用于分类的数据挖掘技术中依然重要,论述基于决策树归纳分类的ID3、C4．5算法,并且对决策属性的选取法则进行说明。通过实例解析ID3、C4．5算法实现过程,结果表明C4．5算法相比较于ID3算法的优越性．尤其在处理具有多属性值的数据时的更加合理和正确。     

决策树相关算法研究

ID3算法和C4.5算法是经典的决策树算法,通过对ID3算法和C4.5算法的数据结构、算法描述和分裂属性选取等方面进行比较,为其他研究者提供参考.     

决策树C4.5算法在数据挖掘中的分析及其应用

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。分类器是数据挖掘的一种基本方法。本文对分类器的基本概念、C4.5算法、决策树的构建和剪枝进行了介绍,然后将C4.5算法应用于篮球比赛的技术统计分析中,通过对这些数据分析从而得到一些较实用的预测胜负规则。     

决策树分类算法C4.5中连续属性过程处理的改进

决策树分类算法C4.5是数据挖掘中最常用、最经典的分类算法。但是C4.5算法也存在一些不足之处,针对C4.5算法处理连续属性比较耗时的特点,本文对连续的处理过程进行改进,以提高算法的计算效率。改进的C4.5算法与原C4.5算法相比,在构造决策树时具有相同的准确率和更高的计算速度。     

基于DNA编码遗传算法构造广义决策树的研究

决策树是归纳学习和数据挖掘的重要方法,主要用于分类和预测。文章引入了广义决策树的概念,实现了分类规则集和决策树结构的统一。同时,提出一种新颖的基于DNA编码遗传算法构造决策树的方法。先用C4．5算法对数据集进行分类得到初始规则集,再通过文章中算法优化规则集并由此构建决策树。实验证明了该方法有效地避免了传统决策树构建过程的缺点,且有较好的并行性。     

并行数据挖掘方法在水利普查成果分析中的应用

随着第一次全国水利普查的结束,海量的水利普查数据随之产生。将云计算技术应用在水利普查数据挖掘领域,可以更加快速、高效和低成本地为水利决策提供科学、合理的支持。本文提出基于Map/Reduce的水利普查数据决策树分类挖掘方法MRC4.5算法,并将该算法应用于全国水利普查地下水取水井数据挖掘中。实验结果表明,与传统的C4.5算法相比,MRC4.5算法在处理大规模数据集时具有更高的执行效率和良好的加速比。     

Inducing decision trees with an ant colony optimization algorithm

Decision trees have been widely used in data mining and machine learning as a comprehensible knowledge representation. While ant colony optimization (ACO) algorithms have been successfully applied to extract classification rules, decision tree induction with ACO algorithms remains an almost unexplored research area. In this paper we propose a novel ACO algorithm to induce decision trees, combining commonly used strategies from both traditional decision tree induction algorithms and ACO. The proposed algorithm is compared against three decision tree induction algorithms, namely C4.5, CART and cACDT, in 22 publicly available data sets. The results show that the predictive accuracy of the proposed algorithm is statistically significantly higher than the accuracy of both C4.5 and CART, which are well-known conventional algorithms for decision tree induction, and the accuracy of the ACO-based cACDT decision tree algorithm.