连续属性离散化相关研究及应用

论文摘要

信息时代的来临,带来大量的数据。这些数据中隐藏着许多重要的信息和知识。如何从表面数据中提取到深层次的、表现了事物内在规律的规则来进行预测或指导决策,是迫切需要解决的问题。数据挖掘正是在这样的背景下产生的新的研究领域,是统计学、计算机科学、模式识别、人工智能、机器学习、数据库等多领域的交叉学科。连续属性离散化在机器学习和数据挖掘领域中有着重要的作用。本文就数据挖掘中的连续属性离散化问题进行了相关的研究。首先,讨论了连续属性离散化问题。连续属性离散化是否合理决定着表达和提取相关信息的准确性。CHI2系列算法关联着统计学理论方法,有着重要的研究价值。利用Bayseian模型允许一定程度错误分类存在的性质,对Chi2算法进行了改进。提出的Bayseian-Chi2算法不仅更适合不协调和不完全的数据,还使得区间的合并更加合理。其次,依据属性重要性程度对属性离散化的顺序进行了合理的调整,又提出一种新的基于属性重要性的连续属性离散化方法——属性重要度-Chi2算法,能够更准确的对连续属性进行离散化。最后,本文从应用的角度,将研究的成果应用在基于数据挖掘中的决策树技术得到的个人住房贷款信用风险评估模型之中,具有较高的准确率,能够满足实际应用的需要。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 数据挖掘的研究现状
• 1.3 论文组织结构
• 第二章 数据挖掘技术概述
• 2.1 数据挖掘的产生及其意义
• 2.2 数据挖掘的定义及其基本功能
• 2.3 数据挖掘的典型过程
• 第三章 连续属性离散化的Bayesian-Chi2 方法研究
• 3.1 引言
• 3.2 数理统计基本理论和离散化过程中的基本概念
• 3.2.1 数理统计基本理论
• 3.2.2 离散化过程中的基本概念
• 3.3 连续属性离散化的CH12 系列算法
• 3.4 Bayesian 粗糙集模型及Bayesian-Chi2 算法
• 3.5 实验与讨论
• 第四章 连续属性离散化的属性重要性方法研究
• 4.1 引言
• 4.2 Chi2 系列算法基本概念
• 4.3 粗糙集
• 4.4 属性重要性-Chi2 算法
• 4.5 训练集决策类比例抽取方法
• 4.6 实验与结果
• 第五章 个人住房贷款信用风险评估模型
• 5.1 模型建立意义
• 5.2 数据采集
• 5.2.1 数据采集方法
• 5.2.2 数据采集结果
• 5.2.3 数据的预处理
• 5.3 个人住房贷款信用风险评估模型的建立
• 5.3.1 决策属性信息增益率的计算
• 5.3.2 依据C4.5 算法构造决策树
• 5.3.3 基于决策树构建风险评估模型
• 第六章 结论与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间撰写和发表的学术论文