决策树分类算法在教学分析中的应用论文26668.docx

《决策树分类算法在教学分析中的应用论文26668.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26668.docx（56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（设设计）（题目：决决策树分分类算法法在教学学分析中中的应用用）姓 名： 学 号： 1144215512004 专 业： 计算算机科学学与技术术院 系： 信息工工程学院院指导老师： 袁袁张露 职称学历： 助助教/研研究生 完成时间：教务处制安徽新华学学院本科科毕业论论文（设设计）独独创承诺诺书本人按照毕毕业论文文（设计计）进度度计划积积极开展展实验（调调查）研研究活动动，实事事求是地地做好实实验（调调查）记记录，所所呈交的的毕业论论文（设设计）是是我个人人在导师师指导下下进行的的研究工工作及取取得的研研究成果果。据我我所知，除除文中特特别

2、加以以标注引引用参考考文献资资料外，论论文（设设计）中中所有数数据均为为自己研研究成果果，不包包含其他他人已经经发表或或撰写过过的研究究成果。与与我一同同工作的的同志对对本研究究所做的的工作已已在论文文中作了了明确说说明并表表示谢意意。毕业论文（设设计）作作者签名名：日期：决策树分类类算法在在教学分分析中的的应用摘 要要随着信息科科技的高高速发展展，人们们对于积积累的海海量数据据量的处处理工作作也日益益增重，需需求是发发明之母母，数据据挖掘技技术就是是为了顺顺应这种种需求而而发展起起来的一一种数据据处理技技术。数据挖掘技技术又称称数据库库中的知知识发现现，是从从一个大大规模的的数据库库的数据据

3、中有效效地、隐隐含的、以以前未知知的、有有潜在使使用价值值的信息息的过程程。在学学生管理理以及教教学科学学化的今今天，传传统的教教学分析析已经不不能适应应社会发发展的需需求。学生信息数数据不断断的增多多，教学学分析工工作也日日益加重重。学生生信息数数据量不不断的增增多，对对之前所所累计的的大量学学生考试试成绩数数据运用用数据挖挖掘技术术进行分分析挖掘掘是具有有重大的的意义的的，这样样可以把把所挖掘掘分析出出来的信信息反馈馈用于指指导学校校的教学学分析，从从而提高高学生的的学习成成绩。本文通过学学生成绩绩信息运运用数据据挖掘技技术，对对所采集集的数据据进行预预处理，运运用决策策树分类类算法中中的

4、C44.5算算法对成成绩进行行分析得得到了成成绩分析析决策树树，分析析研究出出有用的的信息找找到影响响学生的的因素，发发现某些些规律的的存在，用用以指导导学校教教学分析析工作的的开展。关键词:数数据挖掘掘；学生生成绩；决策树树 IIAppliicattionn off deecissionn trree in commputter graade exaaminnatiion anaalyssisAbstrracttWith thee raapidd deevellopmmentt off Innforrmattionn Teechnnoloogy, peeoplle aare faccingg

5、 muuch morre wworkk looad in deaalinng wwithh thhe aaccuumullateed mmasss daata. Hoowevver, Daata Minningg Teechnniquue iis aa kiind of datta pproccesssingg teechnniquue tthatt foolloows thiis cchannge. Inn reecennt yyearrs, colllegges andd ottherr innstiituttionns oof hhighher eduucattionn haad iin

6、crreassed theeir enrrolllmennts, moore andd moore stuudennts gott ennrollledd annd cconssequuenttly, thhe sstuddentts innforrmattionn daata poool ggetss muuch bigggerr. HHoweeverr, tthe traadittionnal datta pproccesssingg teechnnoloogy cannt aaccoommoodatte iitseelf to stuudy andd annalyyze thee acc

7、cummulaatedd maass datta aat aa deeepeer lleveel aany morre, whiile Datta MMiniing Tecchniiquee caan ssolvve tthesse pprobblemms mmuchh beetteer.The iincrreassingg daata basse oof tthe stuudennts conncluudess muuch, liike stuudennts teest scoore. Wiith thee raapidd deevellopmmentt off coompuuterr te

8、echnnoloogy, Coompuuterr Raank Exaaminnatiion beccomees mmoree annd mmoree poopullar; heencee, tthe datta bbasee off sttudeentss teest scoore beccomees mmuchh biiggeer. So, too usse DDataa Miininng TTechhniqque to minne tthe acccumuulatted masss CCRE scoore is of greeat meaaninng wwithh reegarrdinng

9、 tto tthe impprovvemeent of thee sttudeentss sccoree onn CRRE, sinnce peooplee caan aapplly tthe ressultts oof ddataa miininng iin sschoool commputter teaachiing ressearrch. Thiss paaperr inntennds to shoow tthe usee off Daata Minningg Teechnniquue iin tthe anaalyssis of stuudennts sccoree innforrma

10、ttionn inn Coompuuterr Raank Exaaminnatiion, frrom thee prretrreattmennt oon tthe colllecctedd daata to thee usse oof ddeciisioon ttreee teechnniquue iin ddataa annalyysiss. TThiss emmplooys ID33 allgorrithhm iin ddeciisioon ttreee teechnniquue tto gget thee deecissionn trree of thee sttudeentss ssc

11、orre. Theen bby aanallyziing thee ussefuul iinfoormaatioon tto ffindd ouut tthe eleemennts thaat ccan infflueencee CRRE sscorre aand thee ruuless inn thhesee innfluuencces to insstruuct schhooll teeachhingg woork. Keywoordss:Datta mminiing；commputter exaaminnatiion；deccisiion treee；SSqlSServver22008

12、8III目 录录1 绪 论11.1研究究背景与与意义11.2数据据挖掘的的产生11.3数据据挖掘的的国内外外研究现现状21.4论文文研究内内容及结结构安排排32 数据挖挖掘技术术42.1数据据挖掘的的概念42.1.11 数据据挖掘的的定义42.2 数数据挖掘掘的过程程42.2.11 数据据对象确确立阶段段52.2.22数据预预处理阶阶段52.2.22数据挖挖掘阶段段62.2.33结果的的解释和和评估阶阶段62.3数据据挖掘的的主要方方法62.4数据据挖掘的的功能102.5数据据挖掘的的系统结结构122.6数据据挖掘应应用的成成功案例例132.7本章章小结143 决策树树技术153.1决策策树简

13、介介153.2决策策树的主主要算法法163.2.11 IDD3算法法163.2.22 C44.5算算法173.3决策策树剪枝枝183.3.11决策树树剪枝的的方法183.4本章章小结204 决策树树在计算算机等级级考试成成绩分析析中的应应用214.1成绩绩分析方方法的依依据214.2 决决策树算算法在计计算机等等级考试试成绩分分析中的的应用214.2.11 确定定对象集集目标214.2.22 数据据的采集集224.2.33 数据据预处理理234.2.44 数据据挖掘工工作的展展开244.2.55结果分分析275总结与展展望295.1研究究结果295.2后续续研究与与展望29参考文献321 绪

14、论1.1研究究背景与与意义无论在企业业应用领领域，还还是在科科学领域域，数据据挖掘技技术有着着广泛的的应用价价值。在企业应用用领域，用用于制定定好的市市场策略略以及企企业的关关键性决决策。在在商业方方面，数据挖掘技技术可以以增强企企业的竞竞争优势势，缩短短销售周周期，降降低生产产成本，有有助于制定市场计计划和销销售策略略，并已已经成为为电子商商务中的的关键技技术。近年来，随随着我国国高等教教育的飞飞速发展展，高校校的教学学管理信信息不断断增多。教教学工作作信息化化有了很很大的进进步，好好多高校校在管理理学生和和教师信信息方面面有了很很好的方方式。比比如我校校的教务务系统，这这些系统统为老师师和

15、学生生提供了了很好的的帮助。这这些系统统中积累累了大量量的数据据。目前前的这些些数据库库系统虽虽然基本本上都可可以实现现数据的的录入、修修改、统统计、查查询等功功能，但但是这些些数据所所隐藏的的价值并并没有被被充分的的挖掘和和利用，信信息资源源的浪费费还是比比较严重重的。随着数据挖挖掘技术术的不断断扩展，许许多高校校为了避避免信息息浪费，已已经将数数据挖掘掘技术应应用于高高校的教教学分析析中。数数据挖掘掘技术的的应用将将对提高高学生成成绩和提提高教学学水平起起到很好好的指导导作用。为了提高教教学质量量，将数数据挖掘掘技术引引入到高高校学生生成绩分分析中，对对这些数数据进行行深入的的挖掘和和合理

16、的的分析，从从而挖掘掘出传统统的分析析方法所所无法得得出的结结论。进进而利用用分析结结果引导导教学的的开展，从从而有利利于提高高教学质质量。本文主要是是基于如如下背景景开展的的：以安安徽新华华学院历历届学生生成绩为为背景，首首先学习习数据挖挖掘的理理论知识识以及决决策树技技术，然然后建立立新华学学院学生生成绩数数据库，并并利用数数据挖掘掘技术中中的决策策树对自自己建立立的数据据库进行行深入的的挖掘。最最后对自自己的挖挖掘结果果进行分分析，得得到影响响学生成成绩的因因素。从从而更好好的辅助助今后学学校的教教学分析析工作。1.2数据据挖掘的的国内外外研究现现状1989年年8月在在美国召召开的第第十

17、一届届国际人人工智能能联合会会议的专专题讨论论会上，与与数据挖挖掘（DDatee Miininng）极极为相似似的术语语从数数据库中中发现知知识一词词被提出出。19993年年以后，美美国计算算机协会会美年都都举行了了专门研研究探讨讨数据挖挖掘技术术的会议议，会议议的规模模也发展展成为国国际学术术大会，并并且在各各个领域域里取得得了很多多研究成成果。最最近，GGarttnerr Grroupp的一次次高级技技术调查查将数据据挖掘和和人工智智能列为为“未来来三到五五年内将将对工业业产生深深远影响响的五大大关键技技术”之之首，并并且还将将并行处处理体系系和数据据挖掘列列为未来来五年内内投资焦焦点的十

18、十大新兴兴技术前前两位。1根据最近Gartner的HPC研究表明，“随着数据捕获、传输和存储技术的快速发展，大型系统用户将更多地需要采用新技术来挖掘市场以外的价值，采用更为广阔的并行处理系统来创建新的商业增长点。”国外研究数数据挖掘掘的组织织、机构构或大学学很多。比比较著名名的如卡卡内基梅梅隆大学学、斯坦坦福大学学、麻省省理工学学院。著著名的研研究机构构如：AACM、KDNNet、NCDDM等。国国外比较较著名的的挖掘工工具：IBMM公司的的Inttellligeent Minner 、SASS公司的的Entterpprisse MMineer、SGII公司的的SettMinner、SPSSS

19、公司司的Cllemeentiine、Oraaclee Daarwiin等。不少的软件在国外得到了广泛的应用，并收到了明显的效益。与国外相比比，国内内对DMMKD的的研究稍稍晚，没没有形成成整体力力量。119933年国家家自然科科学基金金首次支支持我们们对该领领域的研研究项目目。目前前，国内内的许多多科研单单位和高高等院校校竞相开开展知识识发现的的基础理理论及其其应用研研究，这这些单位位包括清清华大学学、中科科院计算算技术研研究所、空空军第三三研究所所、海军军装备论论证中心心等。其其中，北北京系统统工程研研究所对对模糊方方法在知知识发现现中的应应用进行行了较深深入的研研究，北北京大学学也在开开展

20、对数数据立方方体代数数的研究究，华中中理工大大学、复复旦大学学、浙江江大学、中中国科技技大学、中中科院数数学研究究所、吉吉林大学学等单位位开展了了对关联联规则开开采算法法的优化化和改造造；南京京大学、四四川联合合大学和和上海交交通大学学等单位位探讨、研研究了非非结构化化数据的的知识发发现以及及Webb数据挖挖掘。1.3论文文研究内内容及结结构安排排本课题的主主要工作作是将数数据挖掘掘技术和和学校的的信息管管理系统统相结合合，新华华学院多多年来的的信息化化教学管管理工作作积累了了大量的的教学数数据，从从新华学学院的数数据库中中收集学学生的考考试成绩绩信息。利利用数据据挖掘技技术对这这些数据据进行

21、分分析，获获得影响响学生成成绩的因因素，更更好的辅辅助学校校如何提提高学生生成绩以以及提高高教学质质量。本课题根据据指导老老师提供供的111级学生生成绩的的信息，建建立安徽徽新华学学院111级学生生成绩库库，采用用数据挖挖掘技术术对成绩绩库进行行挖掘。通通过对实实验结果果进行深深入分析析，获得得影响学学生考试试成绩的的因素，辅辅助教师师在以后后的教学学工作中中采用更更恰当的的教学方方式，指指导学生生应该具具有什么么样的学学习态度度，从而而提高学学生考试试成绩。 论论文结构构如下：第一章 绪论。 主要介介绍了论论文的研研究背景景与意义义，叙述述了国内内外数据据挖掘技技术的研研究现状状。第二章 数

22、据挖挖掘的基基础知识识。 主要叙叙述了数数据挖掘掘的定义义、数据据挖掘的的过程以以及数据据挖掘的的方法。第三章 决策树树。 主主要简要要介绍了了决策树树以及决决策树的的经典算算法。第四章 决策树树在计算算机等级级考试成成绩分析析中的应应用第五章 总结与与展望。总总结本篇篇论文并并展望今今后论文文的继续续研究方方向内容容方向。2 数据挖挖掘技术术2.1数据据挖掘的的概念2.1.11数据挖挖掘的背背景随着信息技技术的高高速发展展，人们们积累的的数据量量急剧增增长，如如何从海海量的数数据中提提取有用用的知识识成为当当务之急急。数据据库技术术的成熟熟以及数数据应用用的普及及，虽然然目前的的数据库库系统

23、可可以高效效的实现现数据的的录入、查查询、统统计的功功能，但但无法发发现数据据中潜在在的信息息和价值值，无法法利用这这些数据据来预测测未来的的发展趋趋势。于于是，新新的问题题就被提提出来了了：人类类如何在在这浩瀚瀚的数据据中及时时发现有有用的知知识，提提高数据据的利用用率呢？在不懈懈的努力力下，从从数据库库中发现现知识（KKnowwleddge Disscovveryy inn Daatebbasees）及及其核心心技术数据据挖掘（DDatee Miininng）便便应运而而生，并并得以蓬蓬勃的发发展，越越来越显显出其强强大的生生命力。2.1.11 数据据挖掘的的定义数据挖掘(Datta MM

24、iniing)，又译译为资料料探勘、数数据采矿矿。它是是数据库库中的知知识发现现(Knnowlledgge DDisccoveery in Dattebaasess,简称称：KDDD)，是是目前人人工智能能和数据据库领域域研究的的热点问问题，数数据挖掘掘一般是是指从大大量的数数据中通通过算法法搜索隐隐藏于其其中信息息的过程程。所谓谓数据挖挖掘是指从大量量的、不不完全的的、有噪噪声的、模模糊的、随随机的数数据中自自动搜索索隐藏于于其中的的有着特特殊关系系的信息息，提取取隐含在在其中的的，人们事事先不知知道的、但但又是潜潜在有用用的信息息和知识识的过程程5。2.2 数数据挖掘掘的过程程数据挖掘(D

25、atta MMiniing)的过程程可以分分为以下下几个部部分：理理解数据据和数据据的来源源（unnderrstaandiing）、 获取相相关知识识与技术术（accquiisittionn）、 整合与与检查数数据（iinteegraatioon aand cheeckiing）、 去除错错误或不不一致的的数据（ddataa clleanningg）、 建立模模型和假假设（mmodeel aand hyppothhesiis ddeveeloppmennt）、 实际数数据挖掘掘工作（ddataa miininng）、测测试和验验证挖掘掘结果、解解释和应应用（iinteerprretaatioo

26、n aand usee）。大大概可以以四个部部分数据据对象的的确立(Datte OObjeect Dettermmineed)数数据预处处理(DDatee Prreprroceessiing)、数据据挖掘(Datte MMiniing)及结果果的解释释和评估估(Innterrpreetattionn annd EEvalluattionn)。图2.1 数据挖挖掘的过过程2.2.11 数据据对象的的确立明确我们研研究问题题所需要要的数据据，理解解数据并并提出问问题，需需要进行行数据挖挖掘的数数据信息息，明确确数据挖挖掘的目目标的定定义。确确定数据据挖掘目目标是数数据挖掘掘重要的的一步。我我们进行

27、行数据挖挖掘时，挖挖掘的结结果往往往是不可可预测的的，但对对要进行行挖掘的的目标是是可预见见的，即即明确数数据挖掘掘的最终终目标7。 数据对对象的确确立，包包括对大大量数据据的选取取、数据据属性的的确定等等。本文文是安徽徽新华学学院学生生成绩的的数据挖挖掘技术术应用，这这些数据据包含新新华学院院历届的的学生考考试成绩绩数据，数数据属性性包括学学生姓名名、性别别。年龄龄、专业业、成绩绩等。2.2.22数据预预处理阶阶段现实世界中中数据大大体上都都是不完完整的、含含有噪声声的、甚甚至不一一致的脏脏数据，我我们无法法直接对对其进行行数据挖挖掘，或或者挖掘掘结果会会差强人人意。为为了提高高数据挖挖掘的

28、质质量，人人们提出出了数据据预处理理技术7。数据预处理理是数据据挖掘过过程中的的一个很很重要的的步骤，数数据预处处理有很很多种方方法，一一般将数数据预处处理又分分为四个个步骤：数据清清洗、数数据集成成、数据据变换、数数据归约约。数据清洗处处理过程程通常包包括：填填补遗漏漏的数据据值、光光滑有噪噪声数据据、识别别或删除除异常值值、以及及解决不不一致问问题。数据集成就就是将多多个数据据源的数数据合并并到一起起并统一一存储，建建立数据据仓库的的过程实实际上就就是数据据集成。在在数据集集成时要要特别注注意消除除数据的的冗余。数据变换主主要是对对数据进进行规格格化操作作，将数数据转换换成适用用于数据据挖

29、掘的的形式。数据挖掘时时对应的的数据量量往往是是非常大大的，数数据归约约是缩小小所挖掘掘数据的的规模，但但保持数数据的完完整性。2.2.33数据挖挖掘阶段段数据挖掘阶阶段是数数据挖掘掘的核心心步骤，也也是技术术难点所所在。而而数据挖挖掘阶段段的核心心就是模模式的发发现13。此阶段主要要是确定定对数据据进行分分类还是是聚类，确确定数据据的关联联规则等等等。然然后确定定用什么么数据挖挖掘算法法对数据据进行挖挖掘，再再利用数数据挖掘掘的工具具和一系系列方法法对之前前所确定定以及转转换后的的数据进进行分析析、产生生一个特特定的有有意义的的模式以以更好的的对已处处理好的的数据进进行分析析，获取取有用信信

30、息。2.2.44结果的的解释和和评估阶阶段数据挖掘阶阶段会产产生的模模式或数数据集经经过评估估存在冗冗余或多多余的模模式，这这时需要要将其剔剔除，过过滤出有有用的知知识。过过滤后用用于呈现现给用户户；一般般情况下下，为了了方便用用户理解解产生的的模式，处处理员应应该利用用可视化化技术将将数据挖挖掘产生生的有意意义模式式以图形形或者其其他可视视化的形形式表示示，让用用户更容容易理解解。例如如把分类类决策树树转换为为“iftheen”的形式式。如果数据挖挖掘过程程中的发发现的知知识不能能满足用用户的需需求，我我们则需需要重新新对数据据进行处处理，选选择一些些其他的的数据挖挖掘方法法、算法法对数据据

31、进行再再次挖掘掘，并分分析结果果，直到到满足用用户的需需求。2.3数据据挖掘的的主要方方法（1）关联联规则在数据挖掘掘的知识识模式中中，关联联规则模模式是比比较重要要的一种种。关联联规则的的概念由由Agrrawaal、IImieelinnskii、Swwamii 提出出，是数数据中一一种简单单但很实实用的规规则。关关联规则则模式属属于描述述型模式式，发现现关联规规则的算算法属于于无监督督学习的的方法。关联规则是描述了数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。（2）决策策树所谓决策树树，顾名名思义，是是一种

32、树树，一种种依托于于策略抉抉择而建建立起来来的树。一种用树枝枝状展现现数据受受各变量量的影响响情况的的分析预预测模型型，根据据对目标标变量产产生效应应的不同同而制定定分类规规则，它它是建立立在信息息论基础础之上，对对数据进进行分类类的一种种方法。它它首先通通过一批批已知的的训练数数据建立立一棵决决策树，然然后采用用建好的的决策树树对数据据进行预预测。决决策树的的建立过过程是数数据规则则的生成成过程，因因此这种种方法实实现了数数据规则则的可视视化，其其输出结结果容易易理解，精精确度较较好，效效率较高高，因而而较常用用。常用用的方法法有分类类及回归归树法、卡卡方自动动交互探探测法等等。决策树是是一

33、个预预测模型型；他代代表的是是对象属属性与对对象值之之间的一一种映射射关系。树树中每个个节点表表示某个个对象，而而每个分分叉路径径则代表表的某个个可能的的属性值值，而每每个叶结结点则对对应从根根节点到到该叶节节点所经经历的路路径所表表示的对对象的值值。决策策树仅有有单一输输出，若若欲有复复数输出出，可以以建立独独立的决决策树以以处理不不同输出出。决策树算法法是一种种逼近离离散函数数值的方方法。它它是一种种典型的的分类方方法，首首先对数数据进行行处理，利利用归纳纳算法生生成可读读的规则则和决策策树，然然后使用用决策对对新数据据进行分分析。本本质上决决策树是是通过一一系列规规则对数数据进行行分类的

34、的过程。（3）神经经网络一种模仿人人脑思考考结构的的数据分分析模式式，由输输入变量量或数值值中自我我学习并并根据学学习经验验所得的的知识不不断调整整参数，以以期得到到资料的的模式。是是建立在在自学习习的数学学模型基基础之上上，它可可以对大大量复杂杂的数据据进行分分析，并并能完成成对人脑脑或计算算机来说说极为复复杂的模模式抽取取及趋势势分析。神神经网络络的处理理过程主主要是通通过网络络的学习习功能找找到一个个恰当的的连接加加权值来来得到最最佳结果果。比较较典型的的学习方方法是回回溯法。通通过将输输出结果果同一些些已知值值进行一一系列比比较，加加权值不不断调整整，得到到一个新新的输出出值，再再经过

35、不不断的学学习过程程，最后后该神经经网络得得到一个个稳定的的结果。 （4）相关关规则是一种简单单而实用用的关联联分析规规则，它它描述一一个事物物中某些些属性同同时出现现的规律律和模式式，由一一连串的的“如果则”的逻辑辑规则对对资料进进行细分分的技术术。关联联规则一一般应用用在事物物数据库库中，其其中每个个事物都都由一个个记录集集合组成成。这种种事物数数据库通通常都包包括极为为庞大的的数据，因因此当前前的关联联规则发发现技巧巧正努力力根据基基于一定定考虑的的记录支支持度来来削减搜搜索空间间。其中中的支持持度是一一种基于于用户事事物在事事物日志志中出现现的数目目的度量量。（5）遗传传算法一种新的最

36、最佳化空空间搜索索方法，它它应用算算法的适适应函数数来决定定搜索的的方向，运运用一些些拟生物物化的人人工运算算过程进进行一代代一代的的周而复复始的演演化，求求得一个个最佳结结果。特特点是具具有强固固形与求求值空间间的独立立性。强强固形使使问题的的限制条条件降到到最低，并并大幅度度提高系系统的容容错能力力；而求求值空间间的独立立性则使使遗传算算法的设设计单一一化，且且适用于于多种不不同性质质、领域域的问题题。将遗遗传算法法运用于于数据挖挖掘，可可以开采采出与众众不同的的信息，是是别的算算法所不不能替代代的。（6）连机机分析处处理简称OLAAP，是是基于大大型数据据库或数数据仓库库的信息息分析过过

37、程，是是大型数数据库或或数据仓仓库的用用户接口口部分，其其目的是是满足决决策支持持或多维维环境特特定的查查询和报报表要求求。OLAP具具有快速速性、可可分析性性、多维维性、信信息性和和共享性性等特点点，它是是跨部门门、面向向主题的的。OLLAP不不同于传传统的连连机事物物处理的的应用。OLAP主要是用来完成客户的事务处理，如民航、车船的订票系统等，通常要进行大量的更新操作，对响应时间要求也比较高。而OLAP主要是对用户当前及历史数据进行分析，辅助决策。其典型的应用有对银行信用卡风险的分析与预测等，主要是进行大量的查询操作，对时间的要求不太严格。（7）粗糙糙集粗糙集算法法将知识识理解为为对数据据

38、的划分分，每一一被划分分的集合合称为概概念，主主要思想想是利用用已知的的知识库库，将不不精确或或不确定定的知识识用已知知的知识识库中的的知识来来近似刻刻划处理理粗糙集集理论，是是继概率率论、模模糊集、证证据理论论之后的的又一个个处理不不确定性性的数学学工具。作作为一种种较新的的软计算算方法，粗粗糙集近近年来越越来越受受到重视视，其有有效性已已在许多多科学与与工程领领域的成成功应用用中得到到证实，是是当前国国际上人人工智能能理论及及其应用用领域中中的研究究热点之之一。在在很多实实际系统统中均不不同程度度地存在在着不确确定性因因素，采采集到的的数据常常常包含含着噪声声，不精精确甚至至不完整整。它将

39、知识理理解为对对数据的的划分，每每一被划划分的集集合称为为概念，主主要思想想是利用用已知的的知识库库，将不不精确或或不确定定的知识识用已知知的知识识库中的的知识来来近视刻刻划处理理。2.4数据据挖掘的的功能数据挖掘的的功能是是从大型型数据集集中提取取人们感感兴趣的的知识，这这些知识识是隐含含的、具具有一定定可信度度的、对对用户而而言是新新颖的且且有潜在在价值的的知识，提提取的知知识表示示为概念念、规则则、模式式等多种种形式。一般情况下下，数据据挖掘的的任务可可以大体体分为两两类：描描述和预预测。描描述性挖挖掘任务务描述数数据库中中数据的的一般性性质，而而预测性性挖掘任任务是指指对当前前数据进进

40、行处理理、分析析和推断断，以做做出相应应的预测测。数据挖掘在在实际的的工作中中，有时时候用户户并不清清楚自己己需要什什么样的的数据，因因此数据据挖掘工工作有必必要挖掘掘出多种种类型的的模式，以以达到满满足不同同的用户户需求和和应用。一般情况下下，数据据挖掘的的功能以以及可能能发现的的模式类类型如下下：（1）分类类目的是构造造一个分分类函数数或分类类模型（也也常常称称作分类类器），该该模型能能把数据据库中的的数据项项映射到到给定类类别中的的某一个个。要构构造分类类器，需需要有一一个训练练样本数数据集作作为输入入。训练练集由一一组数据据库记录录或元组组构成，每每个元组组是一个个由有关关字段（又又称

41、属性性或特征征）值组组成的特特征向量量，此外外，训练练样本还还有一个个类别标标记。一一个具体体样本的的形式可可表示为为：（vv1，vv2，vnn；c），其其中vii表示字字段值，cc表示类类别。 例如：银行行部门根根据以前前的数据据将客户户分成了了不同的的类别，现现在就可可以根据据这些来来区分新新申请贷贷款的客客户，以以采取相相应的贷贷款方案案。（2）关联联分析关联分析就就是从大大量的数数据中发发现项集集之间有有趣的关关联或因因果结构构。关联分析展展示了属属性与值值频繁的的在给定定的数据据集中的的一起出出现的条条件。一一般如下下形式： 如如XY，即“|A11.AnnB1.Bn”的规则则。其中中

42、，Aii (ii1,.mm),Bjj (jj1,.nn)是是属性值对。关关联规则则XY即表示示：“满足X中条件件的数据据库元组组多半也也满足YY中的条条件”。 简简而言之之，就是是分析两两个事物物之间的的一些特特性，通通过一个个事物去去预测另另外一个个事物，这这就是关关联分析析。（3）概念念/类描描述概念描述（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的、简洁洁的和精精确的知知识。 （4）聚类类分析聚类分析就就是将物物理或抽抽象对象象的集合合分组成成由类似似的对象象组成的的多个类

43、类的过程程。聚类是把整整个数据据库分成成不同的的群组。它它的目的的是使群群与群之之间差别别很明显显，而同同一个群群之间的的数据尽尽量相似似。这种种方法通通常用于于客户细细分。在在开始细细分之前前不知道道要把用用户分成成几类，因因此通过过聚类分分析可以以找出客客户特性性相似的的群体，如如客户消消费特性性相似或或年龄特特性相似似等。在在此基础础上可以以制定一一些针对对不同客客户群体体的营销销方案。对象根据最最大化类类内部的的相似性性、最小小化类之之间的相相似性的的原则进进行聚类类或分组组。也就就是说，对对象的簇簇（cllustter）这这样形成成，使得得相比之之下在一一个簇中中的对象象具有很很高的

44、相相似性，而而与其他他簇中的的对象很很不相似似。所形形成的每每个簇可可以看作作一个对对象类，由由它可以以导出规规则。聚聚类也便便于分类类法组织织形式（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，人人们能够够认识到到密集和和稀疏的的区域，因因而发现现全局的的分类模模式，以以及数据据属性之之前的相相互关系系。（5）离群群点分析析数据库中可可能包含含一些数数据对象象，它们们与数据据的一般般行为或或模型不不一致。这这些数据据对象是是离群点点（ouutliier）。大大部分数数据挖掘掘方法将将离群点点视为噪噪声或异异常而丢丢弃。然然而，在在一些应应用

45、中（如如欺骗检检测），罕罕见的事事件可能能比正常常出现的的事件更更令人感感兴趣。离离群点数数据分析析称作离离群点挖挖掘（ooutllierr miininng）。可以假定一一个数据据分布或或概率模模型，使使用统计计检验检检测离群群点；或或者使用用距离度度量，将将远离任任何簇的的对象视视为离群群点。基基于偏差差的方法法通过考考察一群群对象主主要特征征上的差差别来识识别离群群点，而而不是使使用统计计或距离离度量。（6） 演演变分析析数据演变分分析（eevollutiion anaalyssis）描描述行为为随时间间变化的的对象的的规律或或趋势，并并对其建建模。尽尽管这可可能包括括时间相相关数据据的

46、特征征化、区区分、关关联和相相关分析析、分类类、预测测或聚类类，这类类分析的的不同特特点包括括时间序序列数据据分析、序序列或周周期模式式匹配和和基于相相似性的的数据分分析。2.5数据据挖掘应应用的成成功案例例（1）、中中国宝钢钢集团（直直接数据据挖掘，分分类分析析方法） 宝钢自19985年年投产至至今，积积累了大大量的生生产数据据，从每每一炉钢钢到每一一块板坯坯到每一一个钢圈圈，各级级计算机机系统可可以把这这些数据据完整地地收集起起来。采采用数据据挖掘技技术对钢钢材生产产的全流流程进行行质量监监控和分分析（通通过全流流程实时时监控获获得了丰丰富的生生产数据据），构构建故障障地图，实实时分析析产

47、品出出现瑕疵疵的原因因，有效效提高了了产品的的优良率率。 宝钢采用了了两个数数据挖掘掘工具，一一个是自自行研发发的基于于SASS的prractticaal MMineer，另另一个是是美国SSAS公公司的EEnteerprrisee Miinerr。在冷冷轧和热热轧的产产品质量量控制中中，仅220011年就取取得超过过30000万元元的经济济效益。在在配矿优优化项目目中，通通过确定定不同铁铁矿石的的合理比比例，每每年可为为宝钢降降低成本本60000万元元。另外外，通过过分析轧轧制计划划，分析析和优化化库存结结构，降降低库存存成本和和平衡物物流成本本Creedillogrros Ca FFinaanciieraa S.A. 是阿根根廷第五五大信贷贷公司，资资产估计计价值为为95770万美美元，对对于Crrediiloggross而言，重重要的是是识别与与潜在预预先付款款客户相相关的潜潜在风险险，以便便