淺析數據挖掘中的分類算法
作者:何峽峰時間:2015-12-16 13:47:03 來源:www.455685.com 閱讀次數:5437次 ]
【文章摘要】
分類算法在數據挖掘中的應用，可以避免出現傳統數據挖掘弊端，同時提高挖掘數據的應用有效性。本文結合具體實例，分析數據挖掘中的分裂算法。
【關鍵詞】
數據挖掘；分類算法；應用
針對數據挖掘中，應用分類算法，可以解決數據量大、計算復雜性高問題，提升數據挖掘的速率�？梢栽跀祿诰蚩椫�，引入分類算法內容，并可以結合實際的數據挖掘情況，再去選擇合適的分類算法，有效分析數據信息，使數據挖掘工作更加實用性，以下本篇對此做具體分析。
1 數據挖掘中的不同分類算法
1.1 分類訓練算法
針對分類算法中，分類訓練算法就是針對訓練樣本多的樣本，其中大多為非支持數據信息, 占用了計算和內存上的大量資源, 在每次的優化過程中, 通過迭代方式排除非支持數據信息，只保留當前支持數據信息, 節省計算時間與內存空間。數據挖掘中，采用分類算法，可以隨機選擇較少樣本作初始樣本集，在問題求解后從結果內去掉非支持數據信息, 再根據訓練結果對剩余樣本數據進行檢驗, 然后再將不符合優化條件的一部分樣本與數據合并，使其成為新的訓練樣本集, 重新訓練， 直到獲得最優訓練結果。
1.2 分類決策算法
分類決策算法中，應用決策樹作為預測模型，決策樹代表的是對象屬性同對象值間映射關系。決策樹中每個節點表示某個對象，而決策樹每個分叉路徑，則代表決策樹中的某個可能屬性值，而決策樹中的每個葉結點，則對應從決策樹根節點到該葉節點中，所有經歷的路徑對象值。在決策樹中不僅有單一輸出，還包含有復數輸出，可以建立獨立決策樹，這樣就可以處理不同輸出。
1.3 SLIQ 分類算法
SLIQ 分類算法對分類決策樹算法進行改進，采用“預排序”、“廣度優先”兩種技術�？梢栽跊Q策樹的每個結點上，都對數據集進行排序，并且為需要進行訓練集的數據，在每個的屬性上創建出一個屬性列表，給每個元組類別上創建類別列表， 利用數據庫保存類別列表，有效提升算法計算速度。
2 分類算法在數據挖掘中的應用實例分析
2.1 應用分類算法實例一
應用分類算法可以挖掘出有用的煤礦瓦斯控制信息，對改善企業的發展進度產生積極影響。首先可以先建立決策樹， 然后再根據在瓦斯監測中的數據特點, 將狀態維作為本次的分類類別。取正常狀態維是P 類( 正例) , 報警狀態維是Q 類( 反例) ，然后建立相應的決策樹進行數據挖掘。如下圖1 中所示：
在本次所建立的決策樹中，包括甲烷傳感器、傳感器以及風速傳感器，對每個維成員的數據信息進行增益率計算, 將傳感器最大信息增益率維當做一個決策屬性的節點, 在通過為屬性的取值來建立本節點的分支。要求分類面能將兩類樣本點分開，并且保證兩分類空隙最大。對于其d 維空間中的線性判別函數，若是一般形式為，則分類面方程就是，然后在將判別函數進行歸一化，確保兩類樣本滿足，分類面樣本都正確分類
。
兩類樣本的分類空隙間隔大小為：
最優分類面表示成約束優化問題，求函數最小值
可以定義函數Lagrange ：
基于決策樹的數據挖掘里面瓦斯濃度維，計算出信息的增益率, 以此來作為決策樹中的根結點，提高數據挖掘的效益。
2.2 應用分類算法實例二
針對校園教學系統，對其數據進行數據挖掘，應用分類算法進行數據挖掘，首先，就是應該確定出需要解決的一些目標問題，并設置數據挖掘模型。對于其數據挖掘步驟如下圖2 所示：
分類是已知一共有多少類, 并明確知道該類的特點, 然后把未知的按一定規則分到某一個類中；分類可以多可以少, 當然數據量大才能很好地說明分類算法的優異. 但實際上分類算法在確定某些規則后, 你可以只有一個未知的數據也可以把它分到某一個類別當中。
class CAdodc : public CWnd
{protected: DECLARE_DYNCREATE ( CAdodc)
public: CLSID const& GetClsid()
{
s t a t i c C L S I D c o n s t c l s i d = { 0x67397aa3, 0x7fb1, 0x11d0, { 0xb1, 0x48, 0x0, 0xa0, 0xc9, 0x22, 0xe8, 0x20 }
};
return clsid;
}
virtual BOOL Create( LPCTSTR lpsz ClassName,
L P C T S T R l p s z WindowName, DWORD dwStyle,
const RECT& rect,
CWnd* pParentWnd, UINT nID,
C C r e a t e C o n t e x t * pContext = NULL)
{ return Create Control ( GetClsid(), lpszWindowName,
dwStyle, rect, pParentWnd, nID); }
BOOL Create (
LPCTSTR lpsz WindowName, DWORD dwStyle,
const RECT& rect,
CWnd* pParentWnd, UINT nID,
CFile* pPersist = NULL,
BOOL bStorage = FALSE,
B S T R b s t r L i c K e y = NULL)
{ return CreateControl( GetClsid(), lpsz Window Name, dwStyle, rect, p Parent Wnd, nID,
p P e r s i s t , b S t o r a g e , bstrLicKey); }
在分類算法中，還可以可以應用模糊分類的方法，對U 之中國的單因素Ui(i=1,2,…,m)，可以對其進行單因素的評價，然后可以根據因素ui 來確定處事物的評價等級，計算出vj(j=1,2,…,n) 隸屬度， 可以得到ri=(ril,ri2,…,rin) 向量，從而得到評價矩陣:
R 作為因素集U 以及評價集V 的模糊關系，可以用(ui，vj)=rij 來表示因素u。還可以進行模糊變換實現綜合評價：
= A × = ( a 1 , a 2 , a 3 , … ,an)× = （bi1，bi2，bi3，bi4）
其中，bik= (aij ∧ rijk) (i=1，2，3 ； k=1，2，3，4)
3 結語
綜上所述，針對數據挖掘中，應用分類算法，不僅可以提升數據挖掘中算法運行效率，還可以在數據挖掘中動態調用不同分類算法，使數據挖掘工作可以在穩定、高效環境中進行，對數據進行分類，大大提高數據挖掘中算法的性能與效率，發揮實際應用價值。
【參考文獻】
[1] 甘楊蘭, 趙梅, 牛森等. 基于云仿真環境數據挖掘的服務分類方法[J]. 計算機仿真,2014,31(10):460- 465.
[2] 李學明, 楊陽, 秦東霞等. 基于頻繁閉項集的新關聯分類算法ACCF[J]. 電子科技大學學報,2012,41(1):104-109.
[3] 覃梅. 數據挖掘分類算法在信用卡風險管理中的應用[J]. 現代計算機（專業版）,2013,(13):13-16.
分類算法在數據挖掘中的應用，可以避免出現傳統數據挖掘弊端，同時提高挖掘數據的應用有效性。本文結合具體實例，分析數據挖掘中的分裂算法。
【關鍵詞】
數據挖掘；分類算法；應用
針對數據挖掘中，應用分類算法，可以解決數據量大、計算復雜性高問題，提升數據挖掘的速率�？梢栽跀祿诰蚩椫�，引入分類算法內容，并可以結合實際的數據挖掘情況，再去選擇合適的分類算法，有效分析數據信息，使數據挖掘工作更加實用性，以下本篇對此做具體分析。
1 數據挖掘中的不同分類算法
1.1 分類訓練算法
針對分類算法中，分類訓練算法就是針對訓練樣本多的樣本，其中大多為非支持數據信息, 占用了計算和內存上的大量資源, 在每次的優化過程中, 通過迭代方式排除非支持數據信息，只保留當前支持數據信息, 節省計算時間與內存空間。數據挖掘中，采用分類算法，可以隨機選擇較少樣本作初始樣本集，在問題求解后從結果內去掉非支持數據信息, 再根據訓練結果對剩余樣本數據進行檢驗, 然后再將不符合優化條件的一部分樣本與數據合并，使其成為新的訓練樣本集, 重新訓練， 直到獲得最優訓練結果。
1.2 分類決策算法
分類決策算法中，應用決策樹作為預測模型，決策樹代表的是對象屬性同對象值間映射關系。決策樹中每個節點表示某個對象，而決策樹每個分叉路徑，則代表決策樹中的某個可能屬性值，而決策樹中的每個葉結點，則對應從決策樹根節點到該葉節點中，所有經歷的路徑對象值。在決策樹中不僅有單一輸出，還包含有復數輸出，可以建立獨立決策樹，這樣就可以處理不同輸出。
1.3 SLIQ 分類算法
SLIQ 分類算法對分類決策樹算法進行改進，采用“預排序”、“廣度優先”兩種技術�？梢栽跊Q策樹的每個結點上，都對數據集進行排序，并且為需要進行訓練集的數據，在每個的屬性上創建出一個屬性列表，給每個元組類別上創建類別列表， 利用數據庫保存類別列表，有效提升算法計算速度。
2 分類算法在數據挖掘中的應用實例分析
2.1 應用分類算法實例一
應用分類算法可以挖掘出有用的煤礦瓦斯控制信息，對改善企業的發展進度產生積極影響。首先可以先建立決策樹， 然后再根據在瓦斯監測中的數據特點, 將狀態維作為本次的分類類別。取正常狀態維是P 類( 正例) , 報警狀態維是Q 類( 反例) ，然后建立相應的決策樹進行數據挖掘。如下圖1 中所示：
在本次所建立的決策樹中，包括甲烷傳感器、傳感器以及風速傳感器，對每個維成員的數據信息進行增益率計算, 將傳感器最大信息增益率維當做一個決策屬性的節點, 在通過為屬性的取值來建立本節點的分支。要求分類面能將兩類樣本點分開，并且保證兩分類空隙最大。對于其d 維空間中的線性判別函數，若是一般形式為，則分類面方程就是，然后在將判別函數進行歸一化，確保兩類樣本滿足，分類面樣本都正確分類
。
兩類樣本的分類空隙間隔大小為：
最優分類面表示成約束優化問題，求函數最小值
可以定義函數Lagrange ：
基于決策樹的數據挖掘里面瓦斯濃度維，計算出信息的增益率, 以此來作為決策樹中的根結點，提高數據挖掘的效益。
2.2 應用分類算法實例二
針對校園教學系統，對其數據進行數據挖掘，應用分類算法進行數據挖掘，首先，就是應該確定出需要解決的一些目標問題，并設置數據挖掘模型。對于其數據挖掘步驟如下圖2 所示：
分類是已知一共有多少類, 并明確知道該類的特點, 然后把未知的按一定規則分到某一個類中；分類可以多可以少, 當然數據量大才能很好地說明分類算法的優異. 但實際上分類算法在確定某些規則后, 你可以只有一個未知的數據也可以把它分到某一個類別當中。
class CAdodc : public CWnd
{protected: DECLARE_DYNCREATE ( CAdodc)
public: CLSID const& GetClsid()
{
s t a t i c C L S I D c o n s t c l s i d = { 0x67397aa3, 0x7fb1, 0x11d0, { 0xb1, 0x48, 0x0, 0xa0, 0xc9, 0x22, 0xe8, 0x20 }
};
return clsid;
}
virtual BOOL Create( LPCTSTR lpsz ClassName,
L P C T S T R l p s z WindowName, DWORD dwStyle,
const RECT& rect,
CWnd* pParentWnd, UINT nID,
C C r e a t e C o n t e x t * pContext = NULL)
{ return Create Control ( GetClsid(), lpszWindowName,
dwStyle, rect, pParentWnd, nID); }
BOOL Create (
LPCTSTR lpsz WindowName, DWORD dwStyle,
const RECT& rect,
CWnd* pParentWnd, UINT nID,
CFile* pPersist = NULL,
BOOL bStorage = FALSE,
B S T R b s t r L i c K e y = NULL)
{ return CreateControl( GetClsid(), lpsz Window Name, dwStyle, rect, p Parent Wnd, nID,
p P e r s i s t , b S t o r a g e , bstrLicKey); }
在分類算法中，還可以可以應用模糊分類的方法，對U 之中國的單因素Ui(i=1,2,…,m)，可以對其進行單因素的評價，然后可以根據因素ui 來確定處事物的評價等級，計算出vj(j=1,2,…,n) 隸屬度， 可以得到ri=(ril,ri2,…,rin) 向量，從而得到評價矩陣:
R 作為因素集U 以及評價集V 的模糊關系，可以用(ui，vj)=rij 來表示因素u。還可以進行模糊變換實現綜合評價：
= A × = ( a 1 , a 2 , a 3 , … ,an)× = （bi1，bi2，bi3，bi4）
其中，bik= (aij ∧ rijk) (i=1，2，3 ； k=1，2，3，4)
3 結語
綜上所述，針對數據挖掘中，應用分類算法，不僅可以提升數據挖掘中算法運行效率，還可以在數據挖掘中動態調用不同分類算法，使數據挖掘工作可以在穩定、高效環境中進行，對數據進行分類，大大提高數據挖掘中算法的性能與效率，發揮實際應用價值。
【參考文獻】
[1] 甘楊蘭, 趙梅, 牛森等. 基于云仿真環境數據挖掘的服務分類方法[J]. 計算機仿真,2014,31(10):460- 465.
[2] 李學明, 楊陽, 秦東霞等. 基于頻繁閉項集的新關聯分類算法ACCF[J]. 電子科技大學學報,2012,41(1):104-109.
[3] 覃梅. 數據挖掘分類算法在信用卡風險管理中的應用[J]. 現代計算機（專業版）,2013,(13):13-16.
本站論文資源均為來自網絡轉載，免費提供給廣大作者參考，不進行任何贏利，如有版權問題，請聯系管理員刪除！ 快速論文發表網（www.455685.com）本中心和國內數百家期刊雜志社有良好的合作關系，可以幫客戶代發論文投稿.
投稿郵箱：ksfbw@126.com
客服Q Q：
82702382
聯系電話：15295038833
本站論文資源均為來自網絡轉載，免費提供給廣大作者參考，不進行任何贏利，如有版權問題，請聯系管理員刪除！
上一篇：淺析計算機技術的發展與應用