數據分類挖掘在人格特征分析方面的應用研究.pdf

1、近年來，數據挖掘引起了信息產業(yè)界的極大關注，其主要原因是存在大量數據可以廣泛使用，并且迫切需要將這些數據轉換成有用的信息和知識。數據挖掘被定義為從大量數據中提取或“挖掘”知識或模式的過程。
　　 分類是數據挖掘中一個非常重要的研究課題，它用于提取描述重要數據類的模型。本文利用三種不同的分類學習方案對“人格特征數據庫”進行了分類數據挖掘。目的是尋找出該數據庫中的分類知識，并比較不同的分類學習方案在該數據庫中的性能表現。
　　

2、 “人格特征數據庫”是對200多名中專生進行艾森克人格問卷調查得到的數據，在該數據表中共有五個屬性。其中前四個屬性是數值屬性，即通過問卷采用T測試描述的每一個被試者的各種因子得分數值；而第五個屬性為類別屬性，是通過前面四項的得分確定的每一個被試者的氣質類型。根據艾森克人格三維度理論，按人格特征不同，把人的氣質類型分為四種：抑郁質、粘液質、膽汁質、多血質。本文利用不同的分類算法對該數據庫中的數據進行了分類規(guī)則的挖掘，尋找隱藏在這些數據中

3、的規(guī)律，以確定每種氣質類型的個體具有哪些數值特征，并對不同的分類算法進行了性能分析和比較。
　　 本文的主要研究工作如下：
　　 1、深入探討了分類算法中的決策樹算法，貝葉斯分類算法和基于規(guī)則的分類算法各自的原理、工作流程和特點。
　　 2、對“人格特征數據庫”中的數據表的內容進行了數據預處理，以便于對其進行深入的分類挖掘。
　　 3、針對“人格特征數據庫”采用決策樹C4.5、SLIQ、SPRINT三種算