1、 金融数据挖掘实验指导书 （网络收集，版权归原作者所有） 浙江工商大学金融学院 目录 前言 3 实验一、优化算法程序设计4 1 进退法4 2 黄金分割法6 3 二次插值法7 实验二、关联规则挖掘算法9 实验三、决策树ID3算法12 实验四、遗传算法程序设计14 实验五、神经网络(BP)算法16 2前言 本课程将系统介绍数据挖掘的基本原理和常用算法以及数据挖掘的发展情况和应用情况。通过本课程的学习，学生应达到如下要求：1、理解什么是数据挖掘及数据挖掘的应用。2、 熟悉数据挖掘的常用算法并完成算法的程序设计。 3、了解当前数据挖掘的研究动态和最新进展。 本课程主要讲解数据挖掘的经典算法，如著名的关
2、联规则，ID3算法，遗传算法，神经网络(BP)等。同时介绍每种算法的特点和具体应用情况，要求学生理解这几种算法的基本原理和详细执行过程并完成其中几种算法的程序设计。 我们要求学生采用任何一种自己熟悉的编程语言完成算法的程序设计，如C/C+、Delphi、VB、VC、C#等，我们采用VB、VC等常用的开发平台来实现算法的程序设计。 3实验一、优化算法程序设计 1进退法 实验目的： 理解进退法确定函数极小值区间和求极小值的过程和原理，完成程序设计并得出正确结果。 实验内容： 用进退法确定函数432() 4 6 16 4fx x x x x= +最小值所在的区间和最小值。 (1)、进退法求函数极小值
3、 实验步骤： 1、选择一种自己熟悉的语言进行程序设计，这里以Visual Basic 6.0为例。 2、设计好界面后进行编码，以完成算法所要求的目的。 3、任意取初始点 和初始步长 (注意 不能为0)，并取所要求的计算精度0a0h0h ，令0,0x ah h=，计算1()f x = 。 4、计算2()f xh =+。 5、如果21 ，令 。 313,hhaayy= = =12 3)24、 ， 。 121,aayy=232,aayy=5、 ，若32 3 3,(aahy fa=+ =3y y ，令 2hh= ，转4。 6、 否则，输出区间 。 13(, )aa实验结果： 应该注意给定的初始点和初始
4、步长不同的话，计算出来的搜索区间会有所不同，但最小值必定在所求区间内。如取000, 2ah= = 时计算出来的搜索区间为： 5当取 时，计算出来的搜索区间如下，此函数的最小值点为 ,可见最小值点在所求的搜索区间内。 005, 0.2ah= *4x =2黄金分割法 实验目的： 理解黄金分割法求一元函数极小值的原理和方法，并完成程序设6计得出正确结果。 实验内容： 用黄金分割法求函数432() 4 6 16 4fx x x x x= +的极小值。 实验步骤： 1）、给出初始搜索区间 , 及收敛精度ab ，将 赋以0.618。 2）、按坐标点计算公式计算 和 ，并计算其对应的函数值1a2a1()f
5、a 和2()f a 。 3）、根据区间消去法原理缩短搜索区间。为了能用原来的坐标点计算公式，需进行区间名称的代换，并在保留区间中计算一个新的试验点及其函数值。 4）、检查区间是否缩短到足够小和函数值收敛到足够近，如果条件不满足则返回到步骤2）。 5）、如果条件满足，则取最后两试验点的平均值作为极小点的数值近似解。 实验结果： 本实验函数的最优解为 ，最小值为 m*4x = in 156= ，计算结果如下： 3二次插值法 实验目的： 理解和掌握二次插值法求函数极小值的方法和原理，完成程序设计并得出正确结果。 7实验内容： 用二次插值法求函数432() 4 6 16 4fx x x x x= +的
6、极小值。 实验步骤： 二次插值法又称抛物线法，它是利用 ()yf= 在单谷区间中的三点123 ，作出如下的二次插值多项式 201 2()Paaa =+ + 。 根据求极值点的必要条件和联立方程组，求得 ()f 极小点 * 的近似解p 。 如果区间长度31| 足够小，则由 |31|*|p 可以得出我们所要求的近似极小点 *p 。 否则，在新的区间内再用二次插值法插入新的极小点近似值p ，如此不断进行下去，直到找到满足精度要求的解为止。 实验结果： 本实验函数的最优解为 *4x = ，最小值为 min 156= ，计算结果如下： 8实验二、关联规则挖掘算法 实验目的： 了解关联规则在数据挖掘中的应
7、用，理解和掌握关联挖掘的经典算法Apriori算法的基本原理和执行过程并完成程序设计。 实验内容： 对给定数据集用 Apriori 算法进行挖掘，找出其中的频繁集并生成关联规则。对下面数据集进行挖掘： 1，2，51，2 2，4 1，2，41，3 1，2，3， 51，2，32，5 实验步骤： 首先单趟扫描数据集，计算各个一项集的支持度，根据给定的最小支持度闵值，得到一项频繁集L1。 然后通过连接运算，得到二项候选集，对每个候选集再次扫描数据集，得出每个候选集的支持度，再与最小支持度比较。得到二项频繁集L2。 如此进行下去，直到不能连接产生新的候选集为止。 2，3，43，4 (1) 对于找到的所有频繁集，用规则提取算法进行关联规则的提取。 实验结果： 对于数据集(1)，取最小支持度 minsup=2，最小置信度 minconf=0.8。得到的结果如下所示： 9对于数据集(2)，取最小支持度 minsup=3，最小置信度 minconf=1。得到的结果如下所示： 10
个人主页
