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. matlab离散化数据程序

  2. 数据离散化，将一些物质的属性数据离散化，能表示这些物质的特性

  3. 所属分类：其它

    • 发布日期：2009-05-06
    • 文件大小：1024
    • 提供者：lulovema

  1. 连续数值的离散化方法

  2. 详细描述了连续数据离散化的方法，阐述的比较详细

  3. 所属分类：数据库

    • 发布日期：2011-11-22
    • 文件大小：175104
    • 提供者：tangxj21

  1. 贝叶斯分类器+基于熵的离散化算法

  2. 对于numeric类型的数据，基本贝叶斯分类算法并不能直接应用。对于需要分类的数据，首先按照信息熵进行离散化后。之后对于处理过后的数据，使用基本贝叶斯分类算法进行训练和分类。

  3. 所属分类：专业指导

    • 发布日期：2012-12-02
    • 文件大小：4253
    • 提供者：wxywang89

  1. 离散化的方法

  2. 离散化的方法，在网上看到大神写的，感觉很神奇，可以去掉重复的数据

  3. 所属分类：C/C++

    • 发布日期：2014-07-16
    • 文件大小：792
    • 提供者：zenmeshuone456

  1. NaiveScaler数值属性离散化算法的分析与改进

  2. 在机器学习和数据挖掘领域,数值属性离散化是一个重要的研究课题.本文对现有的基于粗糙集理论的数值 属性离散化算法进行了较深入的研究,客观地评价它们的优缺点,并在此基础上针对Naive Scaler数值属性离散化算法及其 现有的改进算法的不足,提出了一种新的Naive Scaler算法的改进算法,最后通过算法示例验证了该算法的有效性和可行性.

  3. 所属分类：其它

    • 发布日期：2009-04-08
    • 文件大小：402432
    • 提供者：apple1221127

  1. 基于压缩感知的区域离散化矿井目标定位方法

  2. 针对电磁波测距定位方法受井下电磁干扰导致定位精度低,指纹定位方法离线构建指纹特征库面临海量离线数据连续测量和存储的问题,提出了基于压缩感知的区域离散化矿井目标定位方法。首先对定位区域划分网格进行离散化处理,离线测量网格处信号强度,构建指纹特征库;然后将在线采样的少量信号强度通过压缩感知得到包含目标位置信息的稀疏位置矩阵,从而估计目标可能存在的位置;最后通过网格质心法对目标精确定位。实验结果表明,该方法提高了定位精度、缩短了定位时间,实现了矿井目标精确定位。

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：219136
    • 提供者：weixin_38724919

  1. 数据离散化和概念分层产生

  2. 通过将属性值域划分为区间，数 据离散化技术可以用来减少给定连续属性值的个数。区间的标记可以替代实际的数据值。用少数区间标记替换连续属性的数值，从而减少和简化了 原来的数据。这导致挖掘结果的简洁、易于使用的、知识层面的表示。离散化技术可以根据如何进行离散化加以分类，如根据是否使用类信息或根据进行方向分类。对于给定的数值属性，概念分层定义了该属性的一个离散化。通过收集较高层的概念并用它们替换较低层的概念，概念分层可以用来归约数据。通过这种数据泛化，尽管细节丢失了，但是泛化后的数据更有意义、更容易解释

  3. 所属分类：其它

    • 发布日期：2020-03-03
    • 文件大小：54272
    • 提供者：weixin_38680492

  1. 焊接智能控制建模中离散化方法的研究

  2. 焊接智能控制建模中离散化方法的研究，黎文航，陈善本，智能控制方法对于焊接这样得复杂系统具有重大的意义，但很多智能方法涉及到对连续数据的处理，需要进行离散化处理，且离散化效果

  3. 所属分类：其它

    • 发布日期：2020-01-20
    • 文件大小：230400
    • 提供者：weixin_38658568

  1. 基于离散化SSI模型的零部件可靠性寿命研究

  2. 基于离散化SSI模型的零部件可靠性寿命研究 ，倪霖，宋士康，针对机械零部件可靠度建模中试验数据有限的问题，运用应力-强度干涉（SSI）区间离散化的方法建立模糊动态可靠度模型，研究零部件�

  3. 所属分类：其它

    • 发布日期：2020-01-15
    • 文件大小：766976
    • 提供者：weixin_38589168

  1. 粗糙集连续属性离散化的k均值方法

  2. 为在应用粗糙集理论处理数据时,对连续属性进行离散化预处理,采用k均值算法对连续属性进行离散化的方法,将属性无监督聚类成两类.通过在UCI数据库上选取的4组数据进行实验,首先离散化,再通过粗糙集约简,最后使用k NN(k=10)分类器,并和其他两种离散化方法进行对比.研究结果表明:该方法能够提高离散化的效率,降低实验的复杂度,并有效减少断点数.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：627712
    • 提供者：weixin_38709816

  1. 层状矿体等高线离散化后的四面体建模

  2. 基于不规则四面体的三维实体建模方法具有很多优点,但在层状矿体的建模中,该方法却不能准确地描述其层状界面。根据层状矿体建模数据的特点,先将层状矿体的等高线进行等距离散化,再建立不规则四面体三维实体模型,并为该方法设计由点、面和四面体组成的逻辑模型结构。该方法用VC++.net编程得以实现,并使用内蒙某煤矿的实际数据,建立了相应的矿床三维实体模型。实践表明,通过离散化等高线后建立的层状矿体四面体模型,能够准确反映出层状矿体的层状界面,实现对层状矿体的三维实体建模。

  3. 所属分类：其它

    • 发布日期：2020-07-13
    • 文件大小：1048576
    • 提供者：weixin_38552305

  1. Pandas数据离散化原理及实例解析

  2. 主要介绍了Pandas数据离散化原理及实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：134144
    • 提供者：weixin_38729221

  1. 使用pandas实现连续数据的离散化处理方式(分箱操作)

  2. 今天小编就为大家分享一篇使用pandas实现连续数据的离散化处理方式(分箱操作)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：47104
    • 提供者：weixin_38608693

  1. python数据分析数据标准化及离散化详解

  2. 主要为大家详细介绍了python数据分析数据标准化及离散化，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：153600
    • 提供者：weixin_38668672

  1. python数据分析数据标准化及离散化详解

  2. 本文为大家分享了python数据分析数据标准化及离散化的具体内容，供大家参考，具体内容如下 标准化 1、离差标准化 是对原始数据的线性变换，使结果映射到[0,1]区间。方便数据的处理。消除单位影响及变异大小因素影响。 基本公式为： x'=（x-min）/（max-min） 代码： #！／user/bin/env python #-*- coding:utf-8 -*- #author:M10 import numpy as np import pandas as pd import ma

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：152576
    • 提供者：weixin_38612139

  1. 离散化和数值概念层次树简介

  2. 离散化技术方法可以通过将属性（连续取值）域值范围分为若干区间，来帮助消减一个连续（取值）属性的取值个数。可以用一个标签来表示一个区间内的实际数据值。在基于决策树的分类挖掘中，消减属性取值个数的离散化处理是一个极为有效的数据预处理步骤。 图 1 所示是一个年龄属性的概念层次树。概念层次树可以通过利用较高层次概念替换低层次概念（如年龄的数值）来减少原有数据集的数据量。虽然一些细节在数据泛化过程中消失了，但这样所获得的泛化数据或许会更易于理解、更有意义。在消减后的数据集上进行数据挖掘显然效率更高。

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：100352
    • 提供者：weixin_38586118

  1. pandas数据离散化pandas.cut()和pandas.qcut()

  2. pandas数据离散化 什么叫数据离散化？也可以理解为数据分组。举个简单的例子，我们有一组学生成绩的数据，我们可以将数据按照成绩的最大值和最小值划分为几个相同的区间。假设最高分100分，最低分50分，我们可以划分为两个相同宽度的范围。分别是[50,74]、[75,100]。 统计这两个区间都有多少数据。第二种是根据人数对成绩区间进行划分，所划分的区间人数基本持平。接下来具体通过代码来实现看看。 等宽划分成绩区间 import pandas as pd import numpy as np cut

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：57344
    • 提供者：weixin_38712548

  1. 使用pandas实现连续数据的离散化处理方式(分箱操作)

  2. Python实现连续数据的离散化处理主要基于两个函数，pandas.cut和pandas.qcut，前者根据指定分界点对连续数据进行分箱处理，后者则可以根据指定箱子的数量对连续数据进行等宽分箱处理，所谓等宽指的是每个箱子中的数据量是相同的。 下面简单介绍一下这两个函数的用法： # 导入pandas包 import pandas as pd ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32] # 待分箱数据 bins = [18, 25

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：47104
    • 提供者：weixin_38500948

  1. 数据清洗之 数据离散化

  2. 数据离散化 数据离散化就是分箱 一把你常用分箱方法是等频分箱或者等宽分箱 一般使用pd.cut或者pd.qcut函数 pandas.cut(x, bins, right=True, labels) x: 数据 bins: 离散化的数目，或者切分的区间 labels: 离散化后各个类别的标签 right: 是否包含区间右边的值 import pandas as pd import numpy as np import os os.getcwd() 'D:\\Jupyter\\notebook\

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：72704
    • 提供者：weixin_38690830

  1. Pandas数据离散化原理及实例解析

  2. 这篇文章主要介绍了Pandas数据离散化原理及实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 为什么要离散化 连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具 扔掉一些信息,可以让模型更健壮,泛化能力更强 什么是数据的离散化 连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数 值代表落在每个子区间中的属性值 分箱

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：134144
    • 提供者：weixin_38743084
« 12 3 4 5 6 7 8 9 10 ... 26 »