声明
摘要
第一章 引言
1.1 课题的研究背景及选题意义
1.2 国内外研究现状
1.3 论文研究内容
第二章 数据挖掘理论概述
2.1 数据挖掘技术的概念
2.2 数据挖掘的过程
2.3 数据挖掘的分析方法
2.4 数据挖掘的算法
2.5 数据挖掘的几个常用概念
2.6 数据挖掘常用软件工具
2.7 本章小结
第三章 数据挖掘常用算法的分析
3.1 贝叶斯分类
3.1.1 贝叶斯分类的概念
3.1.2 贝叶斯法则
3.1.3 先验概率和后验概率
3.1.4 贝叶斯定理
3.1.5 贝叶斯分类举例
3.1.6 朴素贝叶斯分类的工作过程
3.2 支持向量机
3.2.1 支持向量机的概念
3.2.2 统计学习理论的介绍
3.2.3 支持向量机的算法
3.3 回归分析
3.3.1 回归分析的概念
3.3.2 回归分析的内容与步骤
3.3.3 一元线性回归
3.4 本章小结
第四章 数据挖掘在考研成绩预测中的应用
4.1 Weka的简介
4.2 基于Weka的考研预测实验内容及准备
4.2.1 实验基本内容
4.2.2 数据的准备及预处理
4.2.3 格式转换方法
4.2.4 建立数据训练集、校验集和测试
4.3 基于Weka的考研预测之贝叶斯分类
4.3.1 数据预处理
4.3.2 实验过程及结果截图
4.4 基于Weka的考研预测之LIBSVM分类
4.4.1 数据预处理
4.4.2 实验过程及结果截图
4.5 基于Weka的考研预测之线性回归分类
4.5.1 数据预处理
4.5.2 实验过程及结果截图
4.6 三类分类方法的校验结果比较
4.7 训练最优模型
4.7.1 实验结果
4.7.2 三种算法在进行测试的性能比较分析
4.8.本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
安徽大学;