期末大作业

期末大作业

数据挖掘和基于数据的决策是目前非常重要的研究领域，是从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的特殊过程。在商业上，数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析技术，可用于分析企业数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

本次作业要求完成一个相亲配对程序，让相亲者更容易找到自己的意中人。查阅相关文献，以python为工具实现K-近邻算法，从而完成一个基本版的相亲配对系统，在此基础上深入研究聚类算法（K-近邻算法为其中一种），讨论各种聚类思路及算法优劣，完成相应的研究论文。

基本的设计思路提示如下：利用附件datingTestSet.txt文档中提供的三种属性（前三列，其中第1列为对方每年出差/旅行的公里数，第2列为对方玩游戏消耗时间的百分比，第3列为对方每周消费的冷饮公升数）作为测度是否和对方匹配的标准。附件文件第4列表示了你遇到此类人产生的好恶情感，其中largeDoses表示对你极有吸引力，smallDoses表示对你吸引力一般，didntLike 表示是你不喜欢的类型。利用此文件提供的数据，以K-近邻算法为工具，进行数据挖掘，发现你的喜好标准，对新的未标定的待匹配方（即只有前三行数据）给出第4行的好恶情感标签（即largeDoses、smallDoses或didntLike）。

具体要求如下：

1.查找文献，理解完整的K-近邻算法；

2.使用python语言编程实现K-近邻算法，解决相亲配对这一明确的应用问题；

3.撰写的研究论文要有关于聚类算法的详细叙述，论文中的算法应该与程序实

现的算法相印证。

大作业要求：

1.自己设计解决方案，简易的解决方案得分较低，完整的解决方案，即使部分

完成，得分也会较高；

2.作业上交形式为电子版文件。所有文件打包为一个文件，以“学号+姓名”

的方式命名；

3.算法的python源程序（py文件）；

4.对此问题进行研究得到的研究性论文，论文包括前言（简介），算法部分（算

法流程图为核心），程序设计部分（程序流程图为核心），实验结果和分析，小结等内容（doc文件）；

5.论文必须有规范的发表论文格式，包括题目、作者、单位、摘要、关键字、

正文及参考文献；

6.附有少量参考资料。

字数：论文部分字数限于2000±300，太多太少均扣分。

上交期限：19周周日，由学习委员收齐统一上交。

抄袭0分！