登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 计算机类 > 软件工程 > 正文

相关性分析及其在特征选择中的应用研究开题报告

 2022-01-11 16:10:28  

全文总字数:1681字

1. 研究目的与意义及国内外研究现状

互联网的迅速发展,给世界带来革命的同时,也带来了一些新的问题,那就是庞大的数据。如何处理数据,将数据转变为资源,成为当今世界迫切需要解决的问题之一。随着大数据相关技术的发展,数据挖掘成为了当今世界研究的一大热题。“冰山只露出它的一角”,对于大数据亦是如此,信息的传播速度之快以及传播的手段之多,对数据挖掘的工作提出了挑战。得益于各类数据挖掘相关的算法,我们得以对这些数据进行分析利用,然而这个过程中,有效的数据质量,优秀的分析引擎,合适的分析算法,对未来合理的预测,以及数据结果的可视化缺一不可。

数据挖掘的目的就是从现有的繁杂的,不确定的一系列数据中,通过一些特定的算法,来挖掘到一些有用的信息,并通过这些信息,了解到数据背后的关联和意义,从而判定或预测即将要发生的事情。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

本文主要通过研究一个较为简单的,经典的数据挖掘案例,包括数据的预处理,数据的相关性挖掘以及多种算法的使用,来探索鸢尾花数据集之中的相关性,以及特征值的选择。其中我们通过均值和方差来研究这组数据的集中和分散程度,通过相关系数计算方法来计算其相关性,去除其中的重复项造成的影响。

之后采用kmeans来对数据进行聚类分析,得出数据的分类结果,后可用贝叶斯分类器对要预测的数据做出预测。最后综合上述,多组特征数据,以及组内的多个特征值,通过决策树算法,训练决策树,使得计算机在非人工干预的情况下对数据进行分类。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 实施方案、进度安排及预期效果

实施方案:

本文从以下几个方面对基于该数据集的特征和相关性进行分析:(1)数据的收集(2)对数据进行相关的预处理(3)数据分析(4)建立模型(5)测试数据。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

(1)周志华 《机器学习》,清华大学出版社, 2016年1月.

(2)martin odersky, lex spoon, bill venners《scala 编程》.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图