决策树分类算法在教学分析中的应用论文25214.docx

《决策树分类算法在教学分析中的应用论文25214.docx》由会员分享，可在线阅读，更多相关《决策树分类算法在教学分析中的应用论文25214.docx（42页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、安徽新华学院2015届本科毕业论文（设计）本科毕业论论文（设计计）（题目：决决策树分类类算法在教教学分析中中的应用）姓 名： 学 号： 1114215512044 专 业： 计算机科科学与技术术院 系： 信息息工程学院院指导老师： 袁张露 职称学历： 助教/研究生 完成时间：教务处制安徽新华学学院本科毕毕业论文（设设计）独创创承诺书本人按照毕毕业论文（设设计）进度度计划积极极开展实验验（调查）研研究活动，实实事求是地地做好实验验（调查）记记录，所呈呈交的毕业业论文（设设计）是我我个人在导导师指导下下进行的研研究工作及及取得的研研究成果。据据我所知，除除文中特别别加以标注注引用参考考文献资料料外

2、，论文文（设计）中中所有数据据均为自己己研究成果果，不包含含其他人已已经发表或或撰写过的的研究成果果。与我一一同工作的的同志对本本研究所做做的工作已已在论文中中作了明确确说明并表表示谢意。毕业论文（设设计）作者者签名：日期：决策树分类类算法在教教学分析中中的应用摘 要要随着信息科科技的高速速发展，人人们对于积积累的海量量数据量的的处理工作作也日益增增重，需求求是发明之之母，数据据挖掘技术术就是为了了顺应这种种需求而发发展起来的的一种数据据处理技术术。数据挖掘技技术又称数数据库中的的知识发现现，是从一一个大规模模的数据库库的数据中中有效地、隐隐含的、以以前未知的的、有潜在在使用价值值的信息的的过

3、程。在在学生管理理以及教学学科学化的的今天，传传统的教学学分析已经经不能适应应社会发展展的需求。学生信息数数据不断的的增多，教教学分析工工作也日益益加重。学学生信息数数据量不断断的增多，对对之前所累累计的大量量学生考试试成绩数据据运用数据据挖掘技术术进行分析析挖掘是具具有重大的的意义的，这这样可以把把所挖掘分分析出来的的信息反馈馈用于指导导学校的教教学分析，从从而提高学学生的学习习成绩。本文通过学学生成绩信信息运用数数据挖掘技技术，对所所采集的数数据进行预预处理，运运用决策树树分类算法法中的C44.5算法法对成绩进进行分析得得到了成绩绩分析决策策树，分析析研究出有有用的信息息找到影响响学生的因

4、因素，发现现某些规律律的存在，用用以指导学学校教学分分析工作的的开展。关键词:数数据挖掘；学生成绩绩；决策树树 IAppliicatiion oof deecisiion ttree in ccompuuter gradde exxaminnatioon annalyssisAbstrractWith the rapiid deeveloopmennt off Infformaationn Tecchnollogy, peoople are faciing mmuch moree worrk looad iin deealinng wiith tthe aaccummulatted mmass

5、 dataa. Hooweveer, DData Miniing TTechnniquee is a kiind oof daata pproceessinng teechniique thatt folllowss thiis chhangee. Inn reccent yearrs, ccolleeges and otheer innstittutioons oof hiigherr eduucatiion hhad iincreeasedd theeir eenrolllmennts, moree andd morre sttudennts ggot eenrollled and con

6、ssequeentlyy, thhe sttudennts infformaationn datta poool ggets muchh biggger. Howweverr, thhe trradittionaal daata pproceessinng teechnoologyy cannt acccommmodatte ittselff to studdy annd annalyzze thhe acccumuulateed maass ddata at aa deeeper leveel anny moore, whille Daata MMininng Teechniique can

7、 solvve thhese probblemss mucch beetterr.The iincreeasinng daata bbase of tthe sstudeents conccludees muuch, likee stuudentts tesst sccore. Witth thhe raapid deveelopmment of ccompuuter techhnoloogy, Compputerr Rannk Exxaminnatioon beecomees moore aand mmore popuular; hennce, the dataa basse off stu

8、udentts tesst sccore becoomes muchh biggger. So, to use Dataa Minning Techhniquue too minne thhe acccumuulateed maass CCRE sscoree is of ggreatt meaaningg witth reegardding to tthe iimproovemeent oof thhe sttudennts scoore oon CRRE, ssincee peoople can applly thhe reesultts off datta miiningg in sch

9、oool ccompuuter teacchingg ressearcch. Thiss papper iintennds tto shhow tthe uuse oof Daata MMininng Teechniique in tthe aanalyysis of sstudeents scoore iinforrmatiion iin Coomputter RRank Examminattion, froom thhe prretreeatmeent oon thhe coolleccted dataa to the use of ddecission treee tecchniqque

10、 iin daata aanalyysis. Thiis emmployys IDD3 allgoriithm in ddecission treee tecchniqque tto geet thhe deecisiion ttree of tthe sstudeents scoore. Thenn by anallyzinng thhe ussefull infformaationn to findd outt thee eleementts thhat ccan iinfluuencee CREE scoore aand tthe rruless in thesse innflueenc

11、ess to insttructt schhool teacchingg worrk. Keywoords:Dataa minning；compputerr exaaminaationn；deccisioon trree；SSqlSeerverr20088III目 录录1 绪 论11.1研究究背景与意意义11.2数据据挖掘的产产生11.3数据据挖掘的国国内外研究究现状21.4论文文研究内容容及结构安安排32 数据挖挖掘技术42.1数据据挖掘的概概念42.1.11 数据挖挖掘的定义义42.2 数数据挖掘的的过程42.2.11 数据对对象确立阶阶段52.2.22数据预处处理阶段52.2.22数据挖

12、掘掘阶段62.2.33结果的解解释和评估估阶段62.3数据据挖掘的主主要方法62.4数据据挖掘的功功能102.5数据据挖掘的系系统结构122.6数据据挖掘应用用的成功案案例132.7本章章小结143 决策树树技术153.1决策策树简介153.2决策策树的主要要算法163.2.11 ID33算法163.2.22 C4.5算法173.3决策策树剪枝183.3.11决策树剪剪枝的方法法183.4本章章小结204 决策树树在计算机机等级考试试成绩分析析中的应用用214.1成绩绩分析方法法的依据214.2 决决策树算法法在计算机机等级考试试成绩分析析中的应用用214.2.11 确定对对象集目标标214.

13、2.22 数据的的采集224.2.33 数据预预处理234.2.44 数据挖挖掘工作的的展开244.2.55结果分析析275总结与展展望295.1研究究结果295.2后续续研究与展展望29参考文献321 绪 论1.1研究究背景与意意义无论在企业业应用领域域，还是在在科学领域域，数据挖挖掘技术有有着广泛的的应用价值值。在企业应用用领域，用用于制定好好的市场策策略以及企企业的关键键性决策。在在商业方面面，数据挖掘技技术可以增增强企业的的竞争优势势，缩短销销售周期，降降低生产成成本，有助助于制定市场计计划和销售售策略，并并已经成为为电子商务务中的关键键技术。近年来，随随着我国高高等教育的的飞速发展展

14、，高校的的教学管理理信息不断断增多。教教学工作信信息化有了了很大的进进步，好多多高校在管管理学生和和教师信息息方面有了了很好的方方式。比如如我校的教教务系统，这这些系统为为老师和学学生提供了了很好的帮帮助。这些些系统中积积累了大量量的数据。目目前的这些些数据库系系统虽然基基本上都可可以实现数数据的录入入、修改、统统计、查询询等功能，但但是这些数数据所隐藏藏的价值并并没有被充充分的挖掘掘和利用，信信息资源的的浪费还是是比较严重重的。随着数据挖挖掘技术的的不断扩展展，许多高高校为了避避免信息浪浪费，已经经将数据挖挖掘技术应应用于高校校的教学分分析中。数数据挖掘技技术的应用用将对提高高学生成绩绩和提

15、高教教学水平起起到很好的的指导作用用。为了提高教教学质量，将将数据挖掘掘技术引入入到高校学学生成绩分分析中，对对这些数据据进行深入入的挖掘和和合理的分分析，从而而挖掘出传传统的分析析方法所无无法得出的的结论。进进而利用分分析结果引引导教学的的开展，从从而有利于于提高教学学质量。本文主要是是基于如下下背景开展展的：以安安徽新华学学院历届学学生成绩为为背景，首首先学习数数据挖掘的的理论知识识以及决策策树技术，然然后建立新新华学院学学生成绩数数据库，并并利用数据据挖掘技术术中的决策策树对自己己建立的数数据库进行行深入的挖挖掘。最后后对自己的的挖掘结果果进行分析析，得到影影响学生成成绩的因素素。从而更

16、更好的辅助助今后学校校的教学分分析工作。1.2数据据挖掘的国国内外研究究现状1989年年8月在美美国召开的的第十一届届国际人工工智能联合合会议的专专题讨论会会上，与数数据挖掘（DDate Miniing）极极为相似的的术语从数据库库中发现知知识一词被被提出。11993年年以后，美美国计算机机协会美年年都举行了了专门研究究探讨数据据挖掘技术术的会议，会会议的规模模也发展成成为国际学学术大会，并并且在各个个领域里取取得了很多多研究成果果。最近，Gaartneer Grroup的的一次高级级技术调查查将数据挖挖掘和人工工智能列为为“未来三三到五年内内将对工业业产生深远远影响的五五大关键技技术”之首首

17、，并且还还将并行处处理体系和和数据挖掘掘列为未来来五年内投投资焦点的的十大新兴兴技术前两两位。11根据最最近Garrtnerr的HPCC研究表明明，“随着着数据捕获获、传输和和存储技术术的快速发发展，大型型系统用户户将更多地地需要采用用新技术来来挖掘市场场以外的价价值，采用用更为广阔阔的并行处处理系统来来创建新的的商业增长长点。”国外研究数数据挖掘的的组织、机机构或大学学很多。比比较著名的的如卡内基基梅隆大学学、斯坦福福大学、麻麻省理工学学院。著名名的研究机机构如：AACM、KDNeet、NCDMM等。国外外比较著名名的挖掘工工具：IBM公司司的Inttelliigentt Minner 、S

18、AS公司司的Entterprrise Mineer、SGI公司司的SettMineer、SPSSS公司的Cllemenntinee、Oraccle DDarwiin等。不不少的软件件在国外得得到了广泛泛的应用，并并收到了明明显的效益益。与国外相比比，国内对对DMKDD的研究稍稍晚，没有有形成整体体力量。11993年年国家自然然科学基金金首次支持持我们对该该领域的研研究项目。目目前，国内内的许多科科研单位和和高等院校校竞相开展展知识发现现的基础理理论及其应应用研究，这这些单位包包括清华大大学、中科科院计算技技术研究所所、空军第第三研究所所、海军装装备论证中中心等。其其中，北京京系统工程程研究所对

19、对模糊方法法在知识发发现中的应应用进行了了较深入的的研究，北北京大学也也在开展对对数据立方方体代数的的研究，华华中理工大大学、复旦旦大学、浙浙江大学、中中国科技大大学、中科科院数学研研究所、吉吉林大学等等单位开展展了对关联联规则开采采算法的优优化和改造造；南京大大学、四川川联合大学学和上海交交通大学等等单位探讨讨、研究了了非结构化化数据的知知识发现以以及Webb数据挖掘掘。1.3论文文研究内容容及结构安安排本课题的主主要工作是是将数据挖挖掘技术和和学校的信信息管理系系统相结合合，新华学学院多年来来的信息化化教学管理理工作积累累了大量的的教学数据据，从新华华学院的数数据库中收收集学生的的考试成绩

20、绩信息。利利用数据挖挖掘技术对对这些数据据进行分析析，获得影影响学生成成绩的因素素，更好的的辅助学校校如何提高高学生成绩绩以及提高高教学质量量。本课题根据据指导老师师提供的111级学生生成绩的信信息，建立立安徽新华华学院111级学生成成绩库，采采用数据挖挖掘技术对对成绩库进进行挖掘。通通过对实验验结果进行行深入分析析，获得影影响学生考考试成绩的的因素，辅辅助教师在在以后的教教学工作中中采用更恰恰当的教学学方式，指指导学生应应该具有什什么样的学学习态度，从从而提高学学生考试成成绩。 论论文结构如如下：第一章 绪论。 主要介绍绍了论文的的研究背景景与意义，叙叙述了国内内外数据挖挖掘技术的的研究现状

21、状。第二章 数据挖掘掘的基础知知识。 主要叙述述了数据挖挖掘的定义义、数据挖挖掘的过程程以及数据据挖掘的方方法。第三章 决策树。 主要简要要介绍了决决策树以及及决策树的的经典算法法。第四章 决策树在在计算机等等级考试成成绩分析中中的应用第五章 总结与展展望。总结结本篇论文文并展望今今后论文的的继续研究究方向内容容方向。2 数据挖挖掘技术2.1数据据挖掘的概概念2.1.11数据挖掘掘的背景随着信息技技术的高速速发展，人人们积累的的数据量急急剧增长，如如何从海量量的数据中中提取有用用的知识成成为当务之之急。数据据库技术的的成熟以及及数据应用用的普及，虽虽然目前的的数据库系系统可以高高效的实现现数据

22、的录录入、查询询、统计的的功能，但但无法发现现数据中潜潜在的信息息和价值，无无法利用这这些数据来来预测未来来的发展趋趋势。于是是，新的问问题就被提提出来了：人类如何何在这浩瀚瀚的数据中中及时发现现有用的知知识，提高高数据的利利用率呢？在不懈的的努力下，从从数据库中中发现知识识（Knoowleddge DDiscooveryy in Dateebasees）及其其核心技术术数据挖挖掘（Daate MMininng）便应应运而生，并并得以蓬勃勃的发展，越越来越显出出其强大的的生命力。2.1.11 数据挖挖掘的定义义数据挖掘(Dataa Minning)，又译为为资料探勘勘、数据采采矿。它是是数据库

23、中中的知识发发现(Knnowleedge Disccoverry inn Dattebasses,简简称：KDDD)，是是目前人工工智能和数数据库领域域研究的热热点问题，数数据挖掘一一般是指从从大量的数数据中通过过算法搜索索隐藏于其其中信息的的过程。所所谓数据挖挖掘是指从大量的的、不完全全的、有噪噪声的、模模糊的、随随机的数据据中自动搜搜索隐藏于于其中的有有着特殊关关系的信息息，提取隐隐含在其中中的，人们事先先不知道的的、但又是是潜在有用用的信息和和知识的过过程5。2.2 数数据挖掘的的过程数据挖掘(Dataa Minning)的过程可可以分为以以下几个部部分：理解解数据和数数据的来源源（un

24、ddersttandiing）、 获取相关关知识与技技术（accquissitioon）、 整合与检检查数据（iinteggratiion aand ccheckking）、 去除错误误或不一致致的数据（ddata cleaaningg）、 建建立模型和和假设（mmodell andd hyppotheesis deveelopmment）、 实际数据据挖掘工作作（datta miiningg）、测试试和验证挖挖掘结果、解解释和应用用（intterprretattion and use）。大大概可以四四个部分数数据对象的的确立(DDate Objeect DDeterrmineed)数据据预处

25、理(Datee Preeproccessiing)、数数据挖掘(Datee Minning)及结果的的解释和评评估(Innterppretaationn andd Evaaluattion)。图2.1 数据挖掘掘的过程2.2.11 数据对对象的确立立明确我们研研究问题所所需要的数数据，理解解数据并提提出问题，需需要进行数数据挖掘的的数据信息息，明确数数据挖掘的的目标的定定义。确定定数据挖掘掘目标是数数据挖掘重重要的一步步。我们进进行数据挖挖掘时，挖挖掘的结果果往往是不不可预测的的，但对要要进行挖掘掘的目标是是可预见的的，即明确确数据挖掘掘的最终目目标7。 数据对象象的确立，包包括对大量量数据的

26、选选取、数据据属性的确确定等。本本文是安徽徽新华学院院学生成绩绩的数据挖挖掘技术应应用，这些些数据包含含新华学院院历届的学学生考试成成绩数据，数数据属性包包括学生姓姓名、性别别。年龄、专专业、成绩绩等。2.2.22数据预处处理阶段现实世界中中数据大体体上都是不不完整的、含含有噪声的的、甚至不不一致的脏脏数据，我我们无法直直接对其进进行数据挖挖掘，或者者挖掘结果果会差强人人意。为了了提高数据据挖掘的质质量，人们们提出了数数据预处理理技术7。数据预处理理是数据挖挖掘过程中中的一个很很重要的步步骤，数据据预处理有有很多种方方法，一般般将数据预预处理又分分为四个步步骤：数据据清洗、数数据集成、数数据变

27、换、数数据归约。数据清洗处处理过程通通常包括：填补遗漏漏的数据值值、光滑有有噪声数据据、识别或或删除异常常值、以及及解决不一一致问题。数据集成就就是将多个个数据源的的数据合并并到一起并并统一存储储，建立数数据仓库的的过程实际际上就是数数据集成。在在数据集成成时要特别别注意消除除数据的冗冗余。数据变换主主要是对数数据进行规规格化操作作，将数据据转换成适适用于数据据挖掘的形形式。数据挖掘时时对应的数数据量往往往是非常大大的，数据据归约是缩缩小所挖掘掘数据的规规模，但保保持数据的的完整性。2.2.33数据挖掘掘阶段数据挖掘阶阶段是数据据挖掘的核核心步骤，也也是技术难难点所在。而而数据挖掘掘阶段的核核

28、心就是模模式的发现现13。此阶段主要要是确定对对数据进行行分类还是是聚类，确确定数据的的关联规则则等等。然然后确定用用什么数据据挖掘算法法对数据进进行挖掘，再再利用数据据挖掘的工工具和一系系列方法对对之前所确确定以及转转换后的数数据进行分分析、产生生一个特定定的有意义义的模式以以更好的对对已处理好好的数据进进行分析，获获取有用信信息。2.2.44结果的解解释和评估估阶段数据挖掘阶阶段会产生生的模式或或数据集经经过评估存存在冗余或或多余的模模式，这时时需要将其其剔除，过过滤出有用用的知识。过过滤后用于于呈现给用用户；一般般情况下，为为了方便用用户理解产产生的模式式，处理员员应该利用用可视化技技术

29、将数据据挖掘产生生的有意义义模式以图图形或者其其他可视化化的形式表表示，让用用户更容易易理解。例例如把分类类决策树转转换为“iftthen”的形式。如果数据挖挖掘过程中中的发现的的知识不能能满足用户户的需求，我我们则需要要重新对数数据进行处处理，选择择一些其他他的数据挖挖掘方法、算算法对数据据进行再次次挖掘，并并分析结果果，直到满满足用户的的需求。2.3数据据挖掘的主主要方法（1）关联联规则在数据挖掘掘的知识模模式中，关关联规则模模式是比较较重要的一一种。关联联规则的概概念由Aggrawaal、Immieliinskii、Swaami 提提出，是数数据中一种种简单但很很实用的规规则。关联联规则

30、模式式属于描述述型模式，发发现关联规规则的算法法属于无监监督学习的的方法。关关联规则是是描述了数数据库中数数据项之间间所存在的的关系的规规则，即根根据一个事事务中某些些项的出现现可导出另另一些项在在同一事务务中也出现现，即隐藏藏在数据间间的关联或或相互关系系。（2）决策策树所谓决策树树，顾名思思义，是一一种树，一一种依托于于策略抉择择而建立起起来的树。一种用树枝枝状展现数数据受各变变量的影响响情况的分分析预测模模型，根据据对目标变变量产生效效应的不同同而制定分分类规则，它它是建立在在信息论基基础之上，对对数据进行行分类的一一种方法。它它首先通过过一批已知知的训练数数据建立一一棵决策树树，然后采

31、采用建好的的决策树对对数据进行行预测。决决策树的建建立过程是是数据规则则的生成过过程，因此此这种方法法实现了数数据规则的的可视化，其其输出结果果容易理解解，精确度度较好，效效率较高，因因而较常用用。常用的的方法有分分类及回归归树法、卡卡方自动交交互探测法法等。决策树是是一个预测测模型；他他代表的是是对象属性性与对象值值之间的一一种映射关关系。树中中每个节点点表示某个个对象，而而每个分叉叉路径则代代表的某个个可能的属属性值，而而每个叶结结点则对应应从根节点点到该叶节节点所经历历的路径所所表示的对对象的值。决决策树仅有有单一输出出，若欲有有复数输出出，可以建建立独立的的决策树以以处理不同同输出。决

32、策树算法法是一种逼逼近离散函函数值的方方法。它是是一种典型型的分类方方法，首先先对数据进进行处理，利利用归纳算算法生成可可读的规则则和决策树树，然后使使用决策对对新数据进进行分析。本本质上决策策树是通过过一系列规规则对数据据进行分类类的过程。（3）神经经网络一种模仿人人脑思考结结构的数据据分析模式式，由输入入变量或数数值中自我我学习并根根据学习经经验所得的的知识不断断调整参数数，以期得得到资料的的模式。是是建立在自自学习的数数学模型基基础之上，它它可以对大大量复杂的的数据进行行分析，并并能完成对对人脑或计计算机来说说极为复杂杂的模式抽抽取及趋势势分析。神神经网络的的处理过程程主要是通通过网络的

33、的学习功能能找到一个个恰当的连连接加权值值来得到最最佳结果。比比较典型的的学习方法法是回溯法法。通过将将输出结果果同一些已已知值进行行一系列比比较，加权权值不断调调整，得到到一个新的的输出值，再再经过不断断的学习过过程，最后后该神经网网络得到一一个稳定的的结果。 （4）相关关规则是一种简单单而实用的的关联分析析规则，它它描述一个个事物中某某些属性同同时出现的的规律和模模式，由一一连串的“如果则”的逻辑规规则对资料料进行细分分的技术。关关联规则一一般应用在在事物数据据库中，其其中每个事事物都由一一个记录集集合组成。这这种事物数数据库通常常都包括极极为庞大的的数据，因因此当前的的关联规则则发现技巧

34、巧正努力根根据基于一一定考虑的的记录支持持度来削减减搜索空间间。其中的的支持度是是一种基于于用户事物物在事物日日志中出现现的数目的的度量。（5）遗传传算法一种新的最最佳化空间间搜索方法法，它应用用算法的适适应函数来来决定搜索索的方向，运运用一些拟拟生物化的的人工运算算过程进行行一代一代代的周而复复始的演化化，求得一一个最佳结结果。特点点是具有强强固形与求求值空间的的独立性。强强固形使问问题的限制制条件降到到最低，并并大幅度提提高系统的的容错能力力；而求值值空间的独独立性则使使遗传算法法的设计单单一化，且且适用于多多种不同性性质、领域域的问题。将将遗传算法法运用于数数据挖掘，可可以开采出出与众不

35、同同的信息，是是别的算法法所不能替替代的。（6）连机机分析处理理简称OLAAP，是基基于大型数数据库或数数据仓库的的信息分析析过程，是是大型数据据库或数据据仓库的用用户接口部部分，其目目的是满足足决策支持持或多维环环境特定的的查询和报报表要求。OLAP具具有快速性性、可分析析性、多维维性、信息息性和共享享性等特点点，它是跨跨部门、面面向主题的的。OLAAP不同于于传统的连连机事物处处理的应用用。OLAAP主要是是用来完成成客户的事事务处理，如如民航、车车船的订票票系统等，通通常要进行行大量的更更新操作，对对响应时间间要求也比比较高。而而OLAPP主要是对对用户当前前及历史数数据进行分分析，辅助

36、助决策。其其典型的应应用有对银银行信用卡卡风险的分分析与预测测等，主要要是进行大大量的查询询操作，对对时间的要要求不太严严格。（7）粗糙糙集粗糙集算法法将知识理理解为对数数据的划分分，每一被被划分的集集合称为概概念，主要要思想是利利用已知的的知识库，将将不精确或或不确定的的知识用已已知的知识识库中的知知识来近似似刻划处理理粗糙集理理论，是继继概率论、模模糊集、证证据理论之之后的又一一个处理不不确定性的的数学工具具。作为一一种较新的的软计算方方法，粗糙糙集近年来来越来越受受到重视，其其有效性已已在许多科科学与工程程领域的成成功应用中中得到证实实，是当前前国际上人人工智能理理论及其应应用领域中中的

37、研究热热点之一。在在很多实际际系统中均均不同程度度地存在着着不确定性性因素，采采集到的数数据常常包包含着噪声声，不精确确甚至不完完整。它将知识理理解为对数数据的划分分，每一被被划分的集集合称为概概念，主要要思想是利利用已知的的知识库，将将不精确或或不确定的的知识用已已知的知识识库中的知知识来近视视刻划处理理。2.4数据据挖掘的功功能数据挖掘的的功能是从从大型数据据集中提取取人们感兴兴趣的知识识，这些知知识是隐含含的、具有有一定可信信度的、对对用户而言言是新颖的的且有潜在在价值的知知识，提取取的知识表表示为概念念、规则、模模式等多种种形式。一般情况下下，数据挖挖掘的任务务可以大体体分为两类类：描

38、述和和预测。描描述性挖掘掘任务描述述数据库中中数据的一一般性质，而而预测性挖挖掘任务是是指对当前前数据进行行处理、分分析和推断断，以做出出相应的预预测。数据挖掘在在实际的工工作中，有有时候用户户并不清楚楚自己需要要什么样的的数据，因因此数据挖挖掘工作有有必要挖掘掘出多种类类型的模式式，以达到到满足不同同的用户需需求和应用用。一般情况下下，数据挖挖掘的功能能以及可能能发现的模模式类型如如下：（1）分类类目的是构造造一个分类类函数或分分类模型（也也常常称作作分类器），该该模型能把把数据库中中的数据项项映射到给给定类别中中的某一个个。要构造造分类器，需需要有一个个训练样本本数据集作作为输入。训训练集

39、由一一组数据库库记录或元元组构成，每每个元组是是一个由有有关字段（又又称属性或或特征）值值组成的特特征向量，此此外，训练练样本还有有一个类别别标记。一一个具体样样本的形式式可表示为为：（v11，v2，vn；c），其中vi表示字段值，c表示类别。 例如：银行行部门根据据以前的数数据将客户户分成了不不同的类别别，现在就就可以根据据这些来区区分新申请请贷款的客客户，以采采取相应的的贷款方案案。（2）关联联分析关联分析就就是从大量量的数据中中发现项集集之间有趣趣的关联或或因果结构构。关联分析展展示了属性性与值频繁繁的在给定定的数据集集中的一起起出现的条条件。一般般如下形式式： 如如XY，即“|A1.A

40、nB11.Bn”的规则。其其中，Aii (i1,.m),Bj (j1,.n)是属性性值对。关关联规则XXY即表示：“满足X中条件的的数据库元元组多半也也满足Y中的条件件”。 简简而言之，就就是分析两两个事物之之间的一些些特性，通通过一个事事物去预测测另外一个个事物，这这就是关联联分析。（3）概念念/类描述述概念描述（concept description）就是通过对与某类对象关联数据的汇总、分析和比较，对此类对象的内涵进行描述，并概括这类对象的有关特征。这种描述是是汇总的、简简洁的和精精确的知识识。 （4）聚类类分析聚类分析就就是将物理理或抽象对对象的集合合分组成由由类似的对对象组成的的多个类

41、的的过程。聚类是把整整个数据库库分成不同同的群组。它它的目的是是使群与群群之间差别别很明显，而而同一个群群之间的数数据尽量相相似。这种种方法通常常用于客户户细分。在在开始细分分之前不知知道要把用用户分成几几类，因此此通过聚类类分析可以以找出客户户特性相似似的群体，如如客户消费费特性相似似或年龄特特性相似等等。在此基基础上可以以制定一些些针对不同同客户群体体的营销方方案。对象根据最最大化类内内部的相似似性、最小小化类之间间的相似性性的原则进进行聚类或或分组。也也就是说，对对象的簇（cluster）这样形成，使得相比之下在一个簇中的对象具有很高的相似性，而与其他簇中的对象很不相似。所形成的每个簇可

42、以看作一个对象类，由它可以导出规则。聚类也便于分类法组织形式（taxonomy formation），将观测组织成类分层结构，把类似的事件组织在一起。通过聚类，人人们能够认认识到密集集和稀疏的的区域，因因而发现全全局的分类类模式，以以及数据属属性之前的的相互关系系。（5）离群群点分析数据库中可可能包含一一些数据对对象，它们们与数据的的一般行为为或模型不不一致。这这些数据对对象是离群群点（ouutlieer）。大大部分数据据挖掘方法法将离群点点视为噪声声或异常而而丢弃。然然而，在一一些应用中中（如欺骗骗检测），罕罕见的事件件可能比正正常出现的的事件更令令人感兴趣趣。离群点点数据分析析称作离群群点

43、挖掘（outlier mining）。可以假定一一个数据分分布或概率率模型，使使用统计检检验检测离离群点；或或者使用距距离度量，将将远离任何何簇的对象象视为离群群点。基于于偏差的方方法通过考考察一群对对象主要特特征上的差差别来识别别离群点，而而不是使用用统计或距距离度量。（6） 演演变分析数据演变分分析（evvoluttion anallysiss）描述行行为随时间间变化的对对象的规律律或趋势，并并对其建模模。尽管这这可能包括括时间相关关数据的特特征化、区区分、关联联和相关分分析、分类类、预测或或聚类，这这类分析的的不同特点点包括时间间序列数据据分析、序序列或周期期模式匹配配和基于相相似性的数

44、数据分析。2.5数据据挖掘应用用的成功案案例（1）、中中国宝钢集集团（直接接数据挖掘掘，分类分分析方法） 宝钢自19985年投投产至今，积积累了大量量的生产数数据，从每每一炉钢到到每一块板板坯到每一一个钢圈，各各级计算机机系统可以以把这些数数据完整地地收集起来来。采用数数据挖掘技技术对钢材材生产的全全流程进行行质量监控控和分析（通通过全流程程实时监控控获得了丰丰富的生产产数据），构构建故障地地图，实时时分析产品品出现瑕疵疵的原因，有有效提高了了产品的优优良率。 宝钢采用了了两个数据据挖掘工具具，一个是是自行研发发的基于SSAS的ppractticall Minner，另另一个是美美国SASS公

45、司的EEnterrprisse Miiner。在在冷轧和热热轧的产品品质量控制制中，仅22001年年就取得超超过30000万元的的经济效益益。在配矿矿优化项目目中，通过过确定不同同铁矿石的的合理比例例，每年可可为宝钢降降低成本66000万万元。另外外，通过分分析轧制计计划，分析析和优化库库存结构，降降低库存成成本和平衡衡物流成本本Creddiloggros Ca Fiinanccieraa S.AA. 是阿阿根廷第五五大信贷公公司，资产产估计价值值为95770万美元元，对于CCrediilogrros而言言，重要的的是识别与与潜在预先先付款客户户相关的潜潜在风险，以以便将承担担的风险最最小化。

46、（2）、沃沃尔玛超市市里的尿布布与啤酒（间间接数据挖挖掘，关联联规则）大家都应该该了解这个个事件，数数据挖掘中中的经典成成功案例。在一家超市市里，有一一个有趣的的现象：尿尿布和啤酒酒赫然摆在在一起出售售。但是这这个奇怪的的举措却使使尿布和啤啤酒的销量量双双增加加了。沃尔尔玛拥有世世界上最大大的数据仓仓库系统，为为了能够准准确了解顾顾客在其门门店的购买买习惯，沃沃尔玛对其其顾客的购购物行为进进行购物篮篮分析，想想知道顾客客经常一起起购买的商商品有哪些些。沃尔玛玛数据仓库库里集中了了其各门店店的详细原原始交易数数据。在这这些原始交交易数据的的基础上，沃沃尔玛利用用数据挖掘掘方法对这这些数据进进行分

47、析和和挖掘。一一个意外的的发现是：跟尿布布一起购买买最多的商商品竟是啤啤酒！经过过大量实际际调查和分分析，揭示示了一个隐隐藏在尿尿布与啤酒酒背后的的美国人的的一种行为为模式：在在美国，一一些年轻的的父亲下班班后经常要要到超市去去买婴儿尿尿布，而他他们中有330%440%的人人同时也为为自己买一一些啤酒。产产生这一现现象的原因因是：美国国的太太们们常叮嘱她她们的丈夫夫下班后为为小孩买尿尿布，而丈丈夫们在买买尿布后又又随手带回回了他们喜喜欢的啤酒酒。（3）、股股票预测股票市场是是一个具有有大量相互互作用因素素的复杂系系统，它受受政治形势势、金融政政策、公司司状况和重重大消息等等多方面因因素的影响响。股票价价格一般要要受一国货货币、财政政政策、物物价、利率率、汇率、上上市公司重重大事项、国国际经济环环境、投资资者心理等等信息的作作用，其内内部规律非非常复杂，变变化周期无无序，更使使行情的走走势变化莫莫测。 利用决策策树分类算算法中的IID3算法法并适当调调整以对股股票交易数数