基于貝葉斯網絡的數據挖掘應用研究.pdf

1、常用的數據挖掘方法有許多，貝葉斯網絡(Bayesian Networks，BN)方法在數據挖掘中的應用是當前研究的熱點問題，具有廣闊的應用前景。數據挖掘的主要任務就是對數據進行分析處理，從而獲得其中隱含的、事先未知的而又有用的知識。它的最終目的就是發(fā)現隱藏在數據內部的規(guī)律和數據之間的特征，從而服務于管理和決策。貝葉斯網絡作為在上個世紀末提出的一種嶄新的數據處理工具，在進行不確定性推理和知識表示等方面已經表現出它的獨到之處，特別是當它與統(tǒng)

2、計方法結合使用時，顯示出許多關于數據處理的優(yōu)勢。 本文致力于貝葉斯網絡在數據挖掘中的應用研究，首先介紹了貝葉斯網絡相關理論，貝葉斯網絡的學習是數據挖掘中非常重要的一個環(huán)節(jié)，比較詳細的討論了網絡圖結構問題，為利用貝葉斯網絡解決實際問題，建立樣本數據結構和依賴關系奠定了基礎。其次介紹了數據挖掘的相關問題以及主流的數據挖掘算法，并分析了各類算法的優(yōu)缺點。針對目前還沒有一種完整的在數據挖掘中構建貝葉斯網絡的算法步驟，探討性地提出了一種啟

3、發(fā)式的在數據挖掘中利用樣本數據構建貝葉斯網絡的算法思想，該算法較好的解決了在數據挖掘中利用樣本數據設計貝葉斯網絡問題。最后進行了實驗分析，利用本文提出的算法，建立了大學生考研模型和農戶信用等級評定模型，進行了較為詳細的實驗，并分別與決策樹方法和傳統(tǒng)的信用評分方法進行了比較，實驗結果表明本文提出的算法設計簡單、方法實用、應用有效，與其它算法相比還有精度較高的特點，同時也表現出了該算法在數據挖掘方面的優(yōu)勢，利于實際中的管理、分析、預測和決策