数据挖掘在房地产数据分析中的应用

论文摘要

近些年来,数据挖掘技术的发展引起了各界的广泛关注,原因是存在着大量数据,需要将这些积累的数据转换成有现实指导意义的知识与信息。获取的知识与信息可以广泛地用于各领域,包括商务管理,市场分析,生产控制,科学探索,工程设计等。数据挖掘是从大量的、不完全的、模糊的、随机的数据中,获取潜在的、有用的、有效新颖的、实践中可理解的知识的过程。它是一种高级数据分析技术。数据挖掘是一门覆盖多门学科的技术,涉及人工智能技术、数据库技术、数据分析、统计学原理、模式识别、机器学习等多个领域。在这几十年间,数据挖掘就像数据库一样被广泛应用于实践中,并取得了人们的信任。数据挖掘应用于房地产数据,可以挖掘交易数据背后隐藏的有价值的知识。关联规则挖掘是数据挖掘的重要方法之一,它是帮助发现数据库中项集之间的关联关系。这些关系是预先未知的隐藏的,并且是不能通过数据库的逻辑操作或统计的方法得出的。近年来,关联规则研究成为数据挖掘中的一个热点,并广泛应用于市场营销、购物篮、事务数据分析、文档分析、Web挖掘、入侵检测等领域。本文主要研究了数据挖掘中关联规则技术在分析房地产交易数据方面的应用。所做的主要工作有两方面,一方面是对数据挖掘技术理论知识的学习,以及对关联规则理论及Apriori算法的探讨;另一方面是通过关联规则中Apriori算法对收集到的交易数据进行规则挖掘,并对挖掘结果进行分析评估。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及选题意义
• 1.2 国内外研究现状
• 1.2.1 数据挖掘国内外研究现状
• 1.2.2 关联规则研究现状
• 1.3 数据挖掘在房地产行业中的应用
• 1.4 本章小结
• 第二章 数据挖掘相关理论概述
• 2.1 数据挖掘社会需求
• 2.2 数据挖掘定义
• 2.2.1 数据挖掘技术定义
• 2.2.2 数据挖掘商业定义
• 2.3 数据挖掘系统分类
• 2.3.1 根据挖掘数据对象分类
• 2.3.2 根据挖掘的知识类型分类
• 2.3.3 根据所用的技术类型分类
• 2.4 数据挖掘应用领域
• 2.5 数据挖掘常用技术及方法
• 2.5.1 关联规则
• 2.5.2 聚类分析
• 2.5.3 决策树
• 2.5.4 粗糙集
• 2.5.5 神经网络
• 2.5.6 遗传算法
• 2.6 数据挖掘过程
• 2.7 数据挖掘的发展趋势
• 2.7.1 Web 挖掘
• 2.7.2 生物信息或基因的数据挖掘
• 2.7.3 空间数据挖掘与知识发现
• 2.8 本章小结
• 第三章 关联规则挖掘理论
• 3.1 引言
• 3.2 关联规则基础理论
• 3.2.1 关联规则基本概念
• 3.2.2 关联规则分类
• 3.3 关联规则挖掘的基本模型
• 3.3.1 关联规则挖掘的问题分解
• 3.3.2 生成频繁项目集
• 3.3.3 产生强关联规则
• 3.4 基本关联规则算法
• 3.4.1 搜索算法
• 3.4.2 分层算法（宽度优先算法）
• 3.4.3 深度优先算法
• 3.4.4 划分算法
• 3.4.5 抽样算法
• 3.5 关联规则分层搜索经典算法—Apriori 算法
• 3.5.1 Apriori 算法概述
• 3.5.1.1 频繁项目集的产生
• 3.5.1.2 关联规则的产生
• 3.5.1.3 Apriori 算法实例
• 3.5.2 Apriori 算法性能分析
• 3.5.3 Apriori 算法的改进技术
• 3.6 一种改进的关联规则挖掘算法
• 3.6.1 算法描述
• 3.6.2 算法实例
• 3.6.3 算法评价
• 3.7 本章小结
• 第四章 关联规则技术在房地产数据分析中的应用
• 4.1 数据准备
• 4.1.1 数据集选取
• 4.1.2 数据清理
• 4.1.3 相关性分析
• 4.1.4 数据离散化
• 4.2 挖掘关联规则
• 4.3 规则分析
• 4.4 本章小结
• 结束语
• 参考文献
• 在学期间发表的论文
• 致谢