注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘神经网络算法

  2. 　　数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下步骤组成：（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘

  3. 所属分类：网络基础

    • 发布日期：2009-09-18
    • 文件大小：291840
    • 提供者：fanxy5506292

  1. 数据挖掘相关算法神经网络算法

  2. 　　数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下步骤组成：（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘

  3. 所属分类：其它

    • 发布日期：2009-09-18
    • 文件大小：970752
    • 提供者：fanxy5506292

  1. libsvm 的数据变换程序

  2. 能够将样本的数据格式转换成适合libsvm的要求的格式。

  3. 所属分类：专业指导

    • 发布日期：2010-04-30
    • 文件大小：411648
    • 提供者：tiandizhonghua

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1048576
    • 提供者：huanghyw

  1. 数据挖掘概念与技术

  2. 第一章 引言 1.1 什么激发数据挖掘？为什么它是重要的？ 1.2 什么是数据挖掘？ 1.3 数据挖掘——在何种数据上进行？ 1.3.1 关系数据库 1.3.2 数据仓库 1.3.3 事务数据库 1.3.4 高级数据库系统和高级数据库应用 1.4 数据挖掘功能——可以挖掘什么类型的模式？ 1.4.1 概念/类描述：特征和区分 1.4.2 关联分析 1.4.3 分类和预测 1.4.4 聚类分析 1.4.5 局外者分析 1.4.6 演变分析 1.5 所有模式都是有趣的吗？ 1.6 数据挖掘系统的分

  3. 所属分类：数据库

    • 发布日期：2011-09-20
    • 文件大小：1048576
    • 提供者：sjzgm

  1. 数据变换和规范化

  2. 数据分析任务多半涉及数据集成。数据集成合并多个数据源的数据，数据集成中冗余是一个主要问题，有些冗余可以用相关分析检测到。本实验主要通过卡方相关分析研究两个属性的相关程度。数据变换将数据统一成适合挖掘的形式。 1. 数据集成卡方的相关分析 2. 数据变换，包括最小-最大规范化，z-score规范化，小数定标规换化。

  3. 所属分类：Java

    • 发布日期：2013-03-07
    • 文件大小：24576
    • 提供者：mybesttest

  1. 《RapidMiner数据分析与挖掘实战》第7章 数据预处理

  2. 在数据挖掘中，海量的原始数据中存在着大量不完整（有缺失值）、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据清洗就显得尤为重要，数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理，该过程就是数据预处理。数据预处理一方面是要提高数据的质量，另一方面是要让数据更好地适应特定的挖掘技术或工具。统计发现，在数据挖掘的过程中，数据预处理工作量占到了整个过程的60%。 数据预处理的主要内容包括数据清洗，数据集成，数据变换和数据规约。处理过程

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-30
    • 文件大小：1048576
    • 提供者：qq_40370890

  1. 煤矿隐患数据可视化研究与应用

  2. 研究煤矿隐患数据的可视化可以实现海量隐患数据的有效利用。在分析数据可视化技术和煤矿隐患数据特点的基础上,提出煤矿隐患数据可视化是矿山数字化的重要组成部分,给出了煤矿隐患数据可视化的概念,设计了煤矿隐患数据可视化模型,并进一步给出了常用的多维隐患可视化工具,并对数据变换等关键技术及其实现,在深入分析的基础上提出了解决方案。现场应用表明,煤矿隐患数据可视化系统增强了海量数据的可理解性,强化了生产人员的安全意识,最终促进了煤矿的安全生产。

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：243712
    • 提供者：weixin_38688855

  1. 数据变换和转换注意事项(SQL)

  2. 使用数据转换服务 (DTS) 转变或转换异类数据和目的服务器之间的数据之前，请考虑不同程序、提供程序以及驱动程序支持数据类型和 SQL 语句的方式的变化。当使用 Microsoft:registered: SQL Server:trade_mark: 作为数据源时，请考虑一些主意事项，本文将为大家做简单介绍。

  3. 所属分类：其它

    • 发布日期：2020-03-04
    • 文件大小：43008
    • 提供者：weixin_38689041

  1. postgres 数据库中的数据转换

  2. postgres8.3以后，字段数据之间的默认转换取消了。如果需要进行数据变换的话，在postgres数据库中，我们可以用"::"来进行字段数据的类型转换。

  3. 所属分类：其它

    • 发布日期：2020-09-11
    • 文件大小：29696
    • 提供者：weixin_38557370

  1. Python运用于数据分析的简单教程

  2. 最近，Analysis with Programming加入了Planet Python。作为该网站的首批特约博客，我这里来分享一下如何通过Python来开始数据分析。具体内容如下：     数据导入         导入本地的或者web端的CSV文件；     数据变换；     数据统计描述；     假设检验         单样本t检验；     可视化；     创建自定义函数。 数据导入 这是很关键的一步，为了后续的分析我们首先需要导入数据。通常来说，数据是CSV格式，就算不是，至少

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：454656
    • 提供者：weixin_38624332

  1. 掌握了这个之后，数据挖掘竞赛稳拿top10：利用Sklearn库进行特征工程处理

  2. 完整的数据挖掘打比赛模板：https://vicky.blog.csdn.net/article/details/104983889 文章目录一、什么是特征工程？特征工程主要分为三部分数据预处理特征选择降维二、数据预处理2.1 无量纲化2.1.1 标准化（也叫Z-score standardization）（对列向量处理）2.1.2 区间缩放（对列向量处理）2.1.3 归一化（对行向量处理）2.3 对定性特征哑编码（对列向量处理）2.4 缺失值计算（对列向量处理）2.5 数据变换2.5.1 多

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：232448
    • 提供者：weixin_38745891

  1. 数据流图表示法（DFD）

  2. 数据流图表示法定义使用方法数据流图示意图 定义 数据流图是在需求分析阶段产生的结果，通过图形的方式来描述数据在系统中流动和处理的过程，由于他只反映必须完成的逻辑功能，所以数据流图是一个功能模型 。 使用方法 数据流图采用分层的方式来描述系统数据流向，每一层都代表了数据流向的一个抽象水平，越高的层抽象程度越高。 数据源点和数据汇点： 指系统以外又与系统有联系的人或事物。 用来表达该系统数据的外部来源和去向。 数据流： 指处理功能的输入或输出，箭头表示数据流向。 加工或处理： 指对数据进行处理加工

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：63488
    • 提供者：weixin_38716081

  1. Python运用于数据分析的简单教程

  2. 最近，AnalysiswithProgramming加入了PlanetPython。作为该网站的首批特约博客，我这里来分享一下如何通过Python来开始数据分析。具体内容如下：数据导入导入本地的或者web端的CSV文件；数据变换；数据统计描述；假设检验单样本t检验；可视化；创建自定义函数。为了读取本地CSV文件，我们需要pandas这个数据分析库中的相应模块。其中的read_csv函数能够读取本地和web数据。对R语言程序员来说，上述操作等价于通过print(head(df))来打印数据的前6行

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：450560
    • 提供者：weixin_38600432

  1. 激光记录系统产生的数据图象可以直接进行分析

  2. 美国无线电公司将设计和制造一台新的激光胶片记录系统，它将环境卫星发回的数据变换为可以直接进行详细分析的大尺寸、第一代图象。这类装置的第一个系统产生的相片比同类现存系统大20倍，因此，使原拷贝不需再复制就可读出。此系统是为美国航宇局戈达德宇宙飞行中心研制的，称作激光束业务记录器。

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：1048576
    • 提供者：weixin_38655987

  1. 基于决策树算法的石油基础数据挖掘系统应用研究

  2. 针对石油基础数据量急剧增长，数据之间不能达成共享，管理不能保持统一等问题，研究并设计了石油基础数据挖掘系统分析系统。通过构建石油基础数据数据仓库模型，用于完成数据清理、数据变换和数据集成等数据预处理操作。应用决策树算法实现油基础数据的数据挖掘与分析，并借助数据挖掘插件直观地向用户展现了数据挖掘算法的分析结果，辅助业务管理人员对油气生产做出指导和决策，促进了中国石油勘探与生产分公司生产管理水平的提高。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38724370

  1. Python运用于数据分析的简单教程

  2. 最近，AnalysiswithProgramming加入了Planet Python。作为该网站的首批特约博客，我这里来分享一下如何通过Python来开始数据分析。具体内容如下：数据导入导入本地的或者web端的CSV文件；数据变换；数据统计描述；假设检验单样本t检验；可视化；创建自定义函数。为了读取本地CSV文件，我们需要pandas这个数据分析库中的相应模块。其中的read_csv函数能够读取本地和web数据。对R语言程序员来说，上述操作等价于通过print(head(df))来打印数据的前6

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：436224
    • 提供者：weixin_38691453

  1. 时序数据并行压缩速率改进技术研究

  2. 为了改善传统压缩技术因时序数据占用存储空间过大，导致压缩速率低的问题，提出时序数据并行压缩速率改进技术研究。依据数据压缩背景，设置数据阈值，采用提升法对时序数据阈值进行选择，保留阈值最大的时序数据变换系数，对噪声干扰进行有效抑制，减小数据存储空间的占用；引入混合熵编码，将字典编码与零行程编码有机结合，实现时序数据的并行高速压缩。实验结果表明，该技术提高了时序数据压缩时的信噪比和压缩比，有效抑制噪声干扰，能够高效完成数据压缩。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38745859

  1. 机器学习之主成分分析PCA数据降维

  2. 1 基本概念 PCA即主成分分析技术。主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。 主成分分析经常用于减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：766976
    • 提供者：weixin_38584148

  1. 爱打篮球的小伙伴们看过来，从数据分析的角度告诉你为什么字母哥比哈登强？且获得了2018-2019常规赛季的MVP！！！

  2. 目录 基于NBA2018-2019赛季常规赛球员数据进行数据挖掘 1. 挖掘背景与目标 1.1 挖掘背景 1.2 挖掘目标 2. 分析方法与过程 2.1 分析方法（主成分分析） 2.1 分析过程 3. 获取数据 4. 数据探索性分析与预处理 4.1探索性分析 4.1.1 条形图分析 4.1.2 散点图分析 4.2 数据预处理 4.2.1 数据清洗 4.2.2 属性规约 4.2.3 数据变换 5. 构建主成分分析模型与结果分析 5.1 构建建模数据 5.2 构建模型与结果分析 5.2.1 导入数据

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：2097152
    • 提供者：weixin_38615783
« 12 3 4 5 6 7 8 9 10 ... 50 »