您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 简单关联规则对成人数据集分类

  2. 从UCI数据网站中选择成人数据库(adult),数据是从美国人口普查局数据库中提取的。这里选取一年的收入大于50k的成人数据,选取8个属性变量分别为工作环境、教育、婚姻状况、职业、关系、种族和性别,均为类别变量,如职业可为[Tech-support,Craft-repair,Other-service,Sales,Exec-managerial, Prof-specialty, Handlers-cleaners, Machine-op-inspct, Adm-clerical,Farming
  3. 所属分类:其它

    • 发布日期:2018-06-05
    • 文件大小:1024
    • 提供者:weixin_42387025
  1. 语义分析(自定的语义规则)代码python实现

  2. 语义分析(自定的语义规则)代码python实现。 说明: 1. mktable(previous):创建一张新的符号表,并返回指向新表的指针。参数previous指向先前创建的符号,放在新符号表的表头。 2. enter(table, name, type, offset):在table指向的符号表中为名字name建立新表项,同时将类型type及相对地址offset放入该表项的属性域中。 3. addwidth(table, width):将table指向的符号表中所有表项的宽度之和记录在与符
  3. 所属分类:Python

    • 发布日期:2018-02-02
    • 文件大小:6144
    • 提供者:m0_37876853
  1. 频繁项挖掘算法:Apriori

  2. 自己用Python实现的apriori算法,包括频繁项挖掘和强关联规则分析。Python3可直接运行。所需模块 numpy、os
  3. 所属分类:算法与数据结构

    • 发布日期:2018-10-27
    • 文件大小:4096
    • 提供者:qq_37721652
  1. 导入Excel数据,并进行关联规则分析

  2. 对其Excel数据进行关联规则分析之前需要对数据进行预处理:将表头去掉,并保存你所需要的数据,导入你所需要分析的Excel地址和‘Sheet1’,所得出的数据,即是你所需要的结果。
  3. 所属分类:Python

    • 发布日期:2018-10-27
    • 文件大小:37888
    • 提供者:qq_42678039
  1. data-science-using-python-r

  2. Learn data science by doing data science! Data Science Using Python and R will get you plugged into the world’s two most widespread open-source platforms for data science: Python and R. Data science is hot. Bloomberg called data scientist “the hotte
  3. 所属分类:Python

    • 发布日期:2019-03-31
    • 文件大小:4194304
    • 提供者:alo54
  1. 基于Apriori算法的商品推荐系统.zip

  2. 用Python写了一个 Apriori算法模块,测试数据用的是R里面的经典数据集Groceries.csv食品杂货店。对该数据集进行关联分析,并对结果进行打印,分别输出了各项集情况,关联规则和最受欢迎的前五个商品。大家可以根据自身的需求修改代码。
  3. 所属分类:Python

    • 发布日期:2019-06-15
    • 文件大小:135168
    • 提供者:qq_32416677
  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分,利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征
  3. 所属分类:Python

    • 发布日期:2019-07-15
    • 文件大小:240640
    • 提供者:lingfeian
  1. 关联规则分析-python

  2. 根据Orange3包对数据进行关联规则分析,生成“规则”,“项集出现的数目”,“置信度”,“覆盖度”,“力度”,“提升度”,“利用度”记录并返回到excel表中。
  3. 所属分类:算法与数据结构

    • 发布日期:2020-06-18
    • 文件大小:3072
    • 提供者:qq_36151472
  1. python 实现关联规则算法Apriori的示例

  2. 首先导入包含apriori算法的mlxtend库, pip install mlxtend 调用apriori进行关联规则分析,具体代码如下,其中数据集选取本博客 “机器学习算法——关联规则” 中的例子,可进行参考,设置最小支持度(min_support)为0.4,最小置信度(min_threshold)为0.1, 最小提升度(lift)为1.0,对数据集进行关联规则分析, from mlxtend.preprocessing import TransactionEncoder from m
  3. 所属分类:其它

    • 发布日期:2020-12-16
    • 文件大小:47104
    • 提供者:weixin_38706197
  1. python使用Apriori算法进行关联性解析

  2. 从大规模数据集中寻找物品间的隐含关系被称作关联分析或关联规则学习。过程分为两步:1.提取频繁项集。2.从频繁项集中抽取出关联规则。 频繁项集是指经常出现在一块的物品的集合。 关联规则是暗示两种物品之间可能存在很强的关系。 一个项集的支持度被定义为数据集中包含该项集的记录所占的比例,用来表示项集的频繁程度。支持度定义在项集上。 可信度或置信度是针对一条诸如{尿布}->{葡萄酒}的关联规则来定义的。这条规则的可信度被定义为“支持度({尿布,葡萄酒})/支持度({尿布})”。 寻找频繁
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:54272
    • 提供者:weixin_38611254
  1. DS_Projects:数据科学项目集合-源码

  2. 应用数据科学Capstone产品组合 你好! 此回购包含了一系列材料(脚本,报告,图形等),这些材料展示了我最近的工作的一部分。 下面的每个部分都提供了有关回购中的工件的一些详细信息。 以下是过去几年中我一直在使用的工具和技术的示例。 这是一个非常粗略的草稿,并将在接下来的几个月中进行更新。 使用的工具 工具 使用权 土坯 竞技场模拟 电子表格 插画家 迷你标签 橘子 Power BI Python [R 火花 SQL 斯塔塔 画面 威卡 使用的技巧 技巧 人工神经网络/深度学习 方差分
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:22020096
    • 提供者:weixin_42137539
  1. E-Commerce-Recommendations:电子商务项目推荐系统(Python)-源码

  2. 电子商务建议 电子商务项目推荐系统(Python) 使用Pandas使用SQLite进行分析 使用方法 使用SQLite和Pandas进行数据分析 市场篮分析 先验算法 关联规则挖掘 使用的技术/图书馆 的Python 3 SQLite3 大熊猫 NumPy mlxtend 朱皮特 描述 该项目的前提是在电子商务行业中一个假设的公司“ The Company”,该公司希望开发推荐系统。 除其他许多相关产品外,“公司”还专门销售粘合剂和密封剂。 有两个部分: 笔记本:包括代码和技术部门
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:8388608
    • 提供者:weixin_42136791
  1. BigScaleAnalytics-源码

  2. 大规模分析(UNIL) 大型分析课程的资料库-洛桑大学 第一周:基于云的服务简介 第2周:使用PythonSQL(Python + SQLite) 第3周:云上SQL(BigQuery) 第四周:数据清理和准备 第5周:实体解析/重复检测 第6周:NoSQL-文本分析-Elasticsearch 第7周:文本分析-Elasticsearch 第8周:使用Python Flask构建Web服务 第9周:关联规则 第十周:Docker 第11周:神经网络 第12周:图形分析
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:347136
    • 提供者:weixin_42110533
  1. Python机器学习实训营(2020版).rar

  2. Python机器学习实训营(2020版)视频教程; 章节1:线性回归原理推导 章节2:线性回归代码实现 章节3:模型评估方法 章节4:线性回归实验分析 章节5:逻辑回归原理推导 章节6:逻辑回归代码实现 章节7:逻辑回归实验分析 章节8:聚类算法-Kmeans&Dbscan原理 章节9:Kmeans代码实现 章节10:聚类算法实验分析 章节11:决策树原理 章节12:决策树代码实现 章节13:决策树实验分析 章节14:集成算法原理 章节15:集成算法实验分析 章节16:支持向量机原理推导 章节1
  3. 所属分类:机器学习

    • 发布日期:2021-03-08
    • 文件大小:816
    • 提供者:u011552756
  1. Python数据挖掘与机器学习,快速掌握聚类算法和关联分析

  2. 聚类问题主要用于解决没有明确分类映射关系的物品归类问题,即无监督学习。分类算法必须需要训练数据,训练数据包含物品的特征和类别(label,也可以被称作标签),这相当于对这些数据建立了映射规则,这种映射规则可以通过机器学习相应的算法来建立,当需要对新的数据进行分类时,就可以直接调用模型,对数据进行相应的处理来实现分类。那么当没有历史数据的时候要对现存的物品进行归类,就需要使用聚类算法解决。比如,聚类算法可以实现公司客户价值自动划分,网页自动归类等。K-Means算法是一种经典的聚类算法,也称作K均
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:763904
    • 提供者:weixin_38592643
  1. 犯罪分析:从空间数据中挖掘关联规则以进行犯罪分析-源码

  2. 来自的关联规则挖掘犯罪分析的空间数据 抽象 该项目的目的是检查与美利坚合众国北卡罗来纳州夏洛特市一年内犯罪的空间分布有关的数据。 从大约60,000起犯罪中收集了数据,以及地区人口普查数据和有关商业活动的信息。 因此,我们打算将算法应用于发现变量之间的关联规则,以便寻找可用信息之间的关联。 应用知识发现过程并将过滤器应用于规则,从而仅选择具有犯罪类型的规则,因为它们与规则的相关性更高,因为它们显示出在规则的先决条件出现时,各种类型的犯罪更有可能表现出来。 酒类场所 罪案 建立 我建议使用设置
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:73400320
    • 提供者:weixin_42139429
  1. Python数据挖掘与机器学习,快速掌握聚类算法和关联分析

  2. 聚类问题主要用于解决没有明确分类映射关系的物品归类问题,即无监督学习。分类算法必须需要训练数据,训练数据包含物品的特征和类别(label, 也可以被称作标签),这相当于对这些数据建立了映射规则,这种映射规则可以通过机器学习相应的算法来建立,当需要对新的数据进行分类时,就可以直接调用模型,对数据进行相应的处理来实现分类。那么当没有历史数据的时候要对现存的物品进行归类,就需要使用聚类算法解决。比如,聚类算法可以实现公司客户价值自动划分,网页自动归类等。
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:752640
    • 提供者:weixin_38687928
  1. Python数据分析

  2. 本资源包括了数据挖掘建模过程中的有关任务:数据探索,数据预处理,分类与预测,聚类分析,时序预测,关联规则挖掘,智能推荐和偏差检测等。
  3. 所属分类:Python

    • 发布日期:2020-05-19
    • 文件大小:368050176
    • 提供者:MarkZQP