C4．5改进算法及其在客户价值分析上的应用

客户价值的分析在现代企业中起着重要的作用，而分类算法在分析客户价值上是卓有成效的。决策树算法是分类算法中一类重要的算法，其中以C4．5算法最为流行，但是这种算法准确率性能方面还不是很理想。在C4．5算法的基础之上引入推进技术，改善了C4．5算法的准确率性能。实验证明，用改进后的C4．5算法分析超市客户数据，其算法的准确率高于原算法，增强了决策的可信度。     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

一种基于粗糙集属性约简的C4.5算法

C4.5算法是通过信息增益率选择相关属性,其约简性能较差,得到的分类结果较复杂,部分数据甚至会因过度拟合形成虚假规则。为了解决这个问题,提出一种新的改进算法RSC4.5,其主要思想是在C4.5的基础上结合粗糙集理论,先对属性进行约简,然后使用C4.5算法中的信息增益率对约简后的数据集进行二次选择后分类。研究结果表明,改进的算法分类准确度提高8.23%,同时分类结果的复杂度明显降低,泛化性能较好,更有利于实际应用。分类结果说明宁夏农村地区日常生活中影响高血压的因素主要是年龄、血脂和日均畜禽肉类食用量,为有效干预高血压疾病的预防治疗提供数据支持。     

决策树算法与客户流失分析

为了向市场人员提供决策依据,有效降低客户流失率,基于数据挖掘平台Clementine,构造出一种客户流失模型,并分别利用决策树算法C5.0及分类和回归算法对某运营商提供的实际数据进行实验分析。对比实验结果可知,C5.0算法在准确率及覆盖率等方面更适合于该运营商。     

基于数据挖掘的决策树算法分析

决策树是数据挖掘技术中的重要方法,主要用于分类和预测.本文介绍了决策树算法中应用最广泛的ID3算法和C4.5算法,阐述了两种算法的主要思想,说明了构造决策树的基本步骤,对两种算法进行了分析和比较.     

正相关频繁项集的挖掘算法

由频繁项集产生的关联规则往往不能保证规则前、后件中的项是正相关的,因此可能产生无意义的关联规则;当这些关联规则用于分类时,会产生大量无用分类规则,增加了时间开销.因此,基于数学期望提出了正相关的频繁项集的分类算法.该算法在挖掘正相关频繁项集时,利用置信度进行规则选取,生成正相关关联规则组成的分类器对数据集进行分类.实验表明,这种分类算法可以大幅度减少所产生的频繁项集数量,分类准确率达到C4.5和CMAR的水平,且显著减少了算法的时间.     

基于肯定选择分类算法的恶意代码检测方法

针对恶意代码,尤其是顽固、隐匿的未知恶意代码危害日益加剧的问题,提出一种基于肯定选择分类算法的恶意代码检测方法.将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算具有最大信息增益的N个n-gram的词频,并做归一化处理,采用改进的肯定选择分类算法进行分类.该方法保留了肯定选择分类算法高分类准确率的优点,优化了分类器训练过程,提高了训练和检测效率.结果表明,该方法的检测效果优于朴素贝叶斯、贝叶斯网络、支持向量机和C4.5决策树等算法.     

改进的C4.5算法在CET-4成绩分析中的应用

CET-4是一个客观、准确的大学生英语能力测量平台,C4.5算法在应用于CET-4成绩分析中仍存在一些问题。针对运用C4.5算法对高职院校CET-4成绩数据构建分析决策树时存在的离散化运算繁琐、忽视各属性影响度等典型问题,提出一种面向高职院校CET-4成绩分析的改进C4.5算法。首先通过在C4.5算法中引入成绩正态分布规律确立初始聚类中心、K-means算法来离散连续属性;其次引入CET-4中听、读、写的权重来修正信息增益率的计算;最后运用改进的C4.5算法、经典的C4.5算法分别构建决策树模型并进行预测分析。实验结果表明,改进的C4.5算法所构建高职院校CET-4成绩分析的模型效率、预测能力均有明显提高。运用改进的C4.5算法有效地分析出影响CET-4达标各因素间的关系,从而提升CET-4反拨英语教学效应。     

平衡决策树分类精度与规则简易性研究

本文从实用的角度分析了C4.5算法的不足,提出了平衡决策树分类精度和分类规则简易性的观点。在此基础上,提出一个借助遗传算法进行属性组合寻优、进而实现决策树分类精度与规则简易性平衡的决策树优化算法,并为此设计了一个适应度函数。     

基于数据挖掘的信用分类技术

以提高信用等级评价的质量为目的，介绍了数据挖掘技术的基本过程.以企业贷款的信用分类为研究背景，具体研究了业务理解、数据理解、数据准备、建模、评估和发布的实现环节.在建模过程中，采用决策树为分析模型，对经典的C4.5算法进行了改进.将改进算法运用在企业贷款的信用分类中，并将其效果与经典的C4.5算法的结果进行比较，结果表明该算法对于企业信用分类这样的复杂系统，在准确度与决策树结构上具有一定程度上的改善，能够提高信用等级评价质量.     

Adaboost算法分类器设计及其应用

Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器.由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高.将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器.算法在matlab中实现,对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率.     

基于决策树的就业数据挖掘

针对学生就业问题，给出了就业数据挖掘模型．决策树方法是数据挖掘中非常有效的分类方法，根据就业数据特点，采用了C4．5决策树算法．C4．5算法是决策树核心算法ID3的改进算法，它构造简单，速度较快，容易实现．模型对就业数据预处理，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。     

顾客需求模板的动态分类树研究

顾客需求模板是质量功能配置(QFD)系统对设计实例和规则进行规范化的工具。文章基于质量功能配置中顾客需求动态获取的特点,分析了顾客需求模板实例提取和动态进化过程,规范了设计实例及设计规则的描述,提出了实现模板动态进化的动态分类树的概念,探讨了动态分类树的存储、规则调整方式以及实例归类方法。结果表明:基于数据结构的二叉树定义,将动态分类树的存储设计为三重链接方式,实例规则调整采用自下而上的方式检索规则并存储,实现系统存储的近似最小变量空间;基于最近相邻策略设计实例归类标准及其算法,通过指定归类标准值达到调整顾客需求模板中实例分类的目的,提高推理决策的准确性。     

基于C4．5算法的集成方法研究

对于一些数据量有限的数据集而言,如何提高分类精度是机器学习研究者们的主要任务之一.集成学习方法通过同时构造多个学习器,然后对各学习器的分类结果使用投票法得到分类结果.提出了基于Bagging的C4.5集成算法,实验结果表明:采用这种方法会有效提升分类能力.     

基于时间序列建模的电力营销客户交易行为分析

针对电力系统对客户服务的效率低、针对性差的问题,提出了一种采用云模型、离散余弦变换和反向传递神经网络的客户分类算法.通过云模型提取价格敏感度、投诉率、欠费率、销售变现天数以及忠诚度的变化波动情况的云测度,结合余弦变换计算得到特征向量,输入反向传递神经网络训练,从而得到自动客户分级识别的模型.结果表明,提出的模型可以有效实现客户分级以及销售状况评估,其平均检测精确度可达95%以上.     

Study and Implementation of Web Mining Classification Algorithm Based on Building Tree of Detection Class Threshold

A new classification algorithm for web mining is proposed on the basis of general classification algorithm for data mining in order to implement personalized information services. The building tree method of detecting class threshold is used for construction of decision tree according to the concept of user expectation so as to find classification rules in different layers. Compared with the traditional C4.5 algorithm, the disadvantage of excessive adaptation in C4.5 has been improved so that classification results not only have much higher accuracy but also statistic meaning.