-
频繁项集挖掘算法--CFPGROWTH算法
数据挖掘经典算法，频繁项集挖掘经典算法，CFPGROWTH算法，JAVA实现，代码中有详细注释
- 2023-03-29 10:25:03下载
- 积分：1
-
频繁项集挖掘算法--FPGROWTH算法
数据挖掘经典算法，频繁项集挖掘经典算法，FPGROWTH算法，源码中有详细说明
- 2023-06-08 16:30:03下载
- 积分：1
-
文本分类（采用Java语言）
资源描述利用分类算法实现对文本的数据挖掘，主要包括： 1. 语料库的构建，主要包括利用爬虫收集Web文档等； 2. 语料库的数据预处理，包括文档建模，如去噪，分词，建立数据字典， 使用词袋模型或主题模型表达文档等； 注：使用主题模型，如LDA可以获得实验加分； 3. 选择分类算法（如朴素贝叶斯、SVM等），训练文本分类器，理解所选 的分类算法的建模原理、实现过程和相关参数的含义； 4. 对测试集的文本进行分类 5. 对测试集的分类结果利用正确率和召回率进行分析评价。
- 2022-02-13 04:15:07下载
- 积分：1
-
高效用项集挖掘算法--HMINE算法
数据挖掘算法，高效用项集挖掘算法，加权频发项集挖掘算法，HMINE算法，源码中有详细注释
- 2022-02-04 07:22:38下载
- 积分：1
-
Java实现Apriori数据挖掘算法
Java实现Apriori数据挖掘算法,包内还有实例用的数据库
Apriori数据挖掘算法:先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。
请在jbuilder下编译 配好JDBC驱动
商品如果
买的表示为大写
没买表示为小写的
具体看GetSource.java
- 2022-10-02 14:05:03下载
- 积分：1
-
python 实现随机森林
应用背景
数据 ：两个月之内 40000个客户的15个数据字段 包含客户的 地 理位置，职业，职级，年收入，。。。。。。 购买过得产品
目的：对新客户进行推荐一个适合该客户的产品， 对老客户推荐可能再购买的产品
数据处理
数据清洗： describe 每个特征统计分析 方差 -分析缺陷特征和波动性
空值赋值为 “-1 “ - 保证模型的可使用
数据归一化：eg：邮编 相似度不高 根据一线二线….进行划分 – 特征的重要性
关键技术特征选择
随机森林： 判断特征的重要性 ：思考为何重要性高
AHP ： 迭代设置每个特征的权重
模型选择 ：根据数据量数量，是否有标签，分类or回归选取
关于模型选择时候我想用协同过滤 但是不知道关于特征的协同过滤是怎么执行的 是每个特征都有一个评分构成评价矩阵么？
- 2022-02-25 17:28:51下载
- 积分：1
-
数据挖掘中编写C语言程序数据预处理，读取文本文件中的数据，使用链表，并输出该组数据的按平均值、中值、边界值平滑的结果。若分箱时数据缺失则用最后的值复制代替，还要找出程序中
数据挖掘中编写C语言程序数据预处理，读取文本文件中的数据，使用链表，并输出该组数据的按平均值、中值、边界值平滑的结果。若分箱时数据缺失则用最后的值复制代替，还要找出程序中的离群点，要求程序符合结构化程序设计风格，关键地方需加注释。完美实现！
- 2022-02-28 20:00:10下载
- 积分：1
-
Ecalt算法
Eclat算法是一种深度优先算法,采用垂直数据表示形式,在概念格理论的基础上利用基于前缀的等价关系将搜索空间(概念格)划分为较小的子空间(子概念格)。Eclat算法采用方法二计算支持度。对候选k项集进行支持度计算时,不需再次扫描数据库,仅在一次扫描数据库后得到每个1项集的支持度,而候选k项集的支持度就是在对k-1项集进行交集操作后得到的该k项集Tidset中元素的个数。本算法利用diffset数据格式实现。
- 2022-03-02 17:06:13下载
- 积分：1
-
微博数据挖掘
利用python调用新浪api接口实现的新浪微博数据的挖掘，能够获取指定的经纬度地点的微博动态信息，还能够将其写入MySQL数据库中。
- 2022-07-12 15:52:46下载
- 积分：1
-
频繁项集挖掘算法
频繁项集挖掘算法，能在大量局部特征中发现频繁空间配置，这些空间配置可以作为词语，加入到特征包中进行分类，实现图像分类。
- 2022-03-23 21:38:47下载
- 积分：1
