Keywords: User preference；data mining；Apriori algorithm；K-means algorithm； Density algorithm

目录

0 引言 1

1 绪论 2

1。1 选题的背景 2

1。2 研究的意义 2

1。3 国内外现状 3

1。3。1 商业数据分析 3

1。3。2 数据挖掘用户偏好 3

1。3。3 评述 4

1。4 相关理论与技术介绍 4

1。4。1 用户偏好数据挖掘 4

1。4。2 决策树 4

1。4。3 K-均值聚类算法 5

1。4。4 Apriori关联算法 5

1。5 本文主要研究内容 5

1。6 论文研究内容技术路线图 6

2 基于跨国在线非商店数据的预处理 8

2。1 研究问题 8

2。2 研究内容 8

2。2。1 数据介绍 8

2。2。2 数据处理 8

2。2。3 数据探索 9

2。2。4 频繁项集 10

2。3 分析结果并评价 11

2。4本章总结 11

3 K-均值算法研究用户偏好 13

3。1 研究问题 13

3。2 研究内容 13

3。2。1 数据属性选取 13

3。2。2 数据特征标准化和降维 13

3。2。3 K-均值聚类分析 14

3。3 分析结果并评价 15

3。4 本章总结 17

4 分类决策树算法研究用户偏好 18

4。1 研究问题 18

4。2 研究内容 18

4。2。1 数据介绍 18

4。2。2 数据处理 18

4。2。3 选择并建立模型 19

4。2。4 模型优化与可视化 20

4。2。5 预测结果并评价 22

4。2。6 重新选择变量建立模型 22

4。3 分析结果图并评价 25

4。4 本章总结 25

5 关联算法研究用户偏好 27

5。1 研究问题 27

5。2 研究内容 27

5。2。1 数据信息 27

6。2。2 规则挖掘 29

5。2。3 搜索挖掘 29

5。3 分析结果 30

5。4 本章总结 30

结   论