Weka期貨數據挖掘中連續屬性劃分策略研究

陳磊

摘要：數據挖掘過程中的數據預處理是一項很重要的工作。分析了現有分類算法J48直接處理原始期貨數據時出現的分類準確率和預測準確率低等弊端。針對期貨數據的連續性和時序性特征，在Weka數據挖掘平臺下，提出一種面向期貨數據的連續屬性劃分策略，其主要思想是對連續屬性采用不同的分段標識方法，從中找出一種最適合期貨數據特征的劃分機制，進而在有效降低數據過度擬合的前提下，較大提高J48算法的分類準確率和預測準確率。

關鍵詞：Weka；期貨；J48 數據挖掘；數據預處理；連續屬性劃分

DOIDOI：10.11907/rjdk.161196

中圖分類號：TP391文獻標識碼：A文章編號：1672-7800（2016）006-0173-03

參考文獻：

[1]IAN H WITTEN，EIBE FRANK，MARK A HALL.Data mining practical machine learning tools and techniques[M].ELSEVIER，2010.

[2]IAN H WITTEN，EIBE FRANK，MARK A.數據挖掘：實用機器學習工具與技術[M].李川，譯.北京：機械工業出版社，2014.

[3]袁梅宇.數據挖掘與機器學習——Weka應用技術與實踐[M].北京：清華大學出版社，2014.

[4]JIAWEI HAN，KAMBER M.數據挖掘概念與技術[M].范明，孟小峰，譯.北京：機械工業出版社，2004.

[5]DAI W，JI W.A MspReduce implementattion of C4.5 decison tree algorithm[J].International Journal of Database Theory and Application，2014，7（1）：49-60.

[6]QUINLAN J R.C4.5：programs for machine learning[M].Burlington：Morgan Kaufmann Publishers，1993：17-42.

[7]ABELLAN J，MORAL S.Building classification trees using the total uncertainly criterion[J].Journal of the Royal Statistical Society，Series B：Methodological，1996，58（1）：3-57.

[8]HETTICH S，BAY S D.The UCI KDD archive[EB/OL].http：//kdd.ics.uic.edu/.

[9]QUINLAN J R.Induction of decision tree[J].Machine learning，1986（1）：81-106.

[10]楊學兵，張俊.決策樹算法及其核心技術[J].計算機技術與發展，2007，17（1）：44-46.

[11]孫超利.基于決策樹的數據流挖掘算法的研究[J].太原科技大學學報，2006，27（4）：269-270.

[12]Jsp中一些數據類型的轉換[EB/OL].http：//blog.csdn.net/xuxurui007/article/details/18045943，2015，10.

[13]陳愛萍，范媛媛.一種連續屬性值域劃分的離散化方法[J].計算機應用研究，2012（5）：154-158.

[14]TSAI C J，LEE C I，YANG WEI-PANG.A discretization algorithm based on class-attribute contingency coefficient[J].Information Sciences，2008，178（3）：714-731.

[15]MEHMED KANTARDZIC.數據挖掘——概念、模型、方法和算法[M].北京：清華大學出版社，2003.

[16]蔣帥.K-均值聚類算法研究[D].西安：陜西師范大學，2010.

[17]新浪財經——期貨[EB/OL].http：//finance.sina.com.cn/futuremarket/，2015，10.