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. introduction to information retrieval

  2. Introduction to Information Retrieval 介绍了pagerank hits 以及朴素贝页斯等

  3. 所属分类：数据库

    • 发布日期：2011-03-29
    • 文件大小：969728
    • 提供者：zhengkesong

  1. Web Data Mining (英文)

  2. 目录回到顶部↑ 第一部分 数据挖掘基础. 第1章 概述3 1.1 什么是万维网3 1.2 万维网和互联网的历史简述4 1.3 web数据挖掘5 1.3.1 什么是数据挖掘6 1.3.2 什么是web数据挖掘7 1.4 各章概要8 1.5 如何阅读本书10 文献评注10 第2章 关联规则和序列模式12 2.1 关联规则的基本概念12 2.2 apriori算法14 2.2.1 频繁项目集生成14 2.2.2 关联规则生成17 2.3 关联规则挖掘的数据格式19 2.4 多最小支持度的关联规则挖掘

  3. 所属分类：专业指导

    • 发布日期：2012-05-02
    • 文件大小：8388608
    • 提供者：chen_767

  1. python实现 朴素贝页斯分类器 Naive Bayes classifier

  2. 这是我用python写的朴素贝页斯分类器（Naive Bayes classifier）

  3. 所属分类：专业指导

    • 发布日期：2014-02-26
    • 文件大小：20480
    • 提供者：haohanwang

  1. 数据运营思维导图

  2. 数据运营 作用&意义 知错能改，善莫大焉 —错在哪里，数据分析告诉你 运筹帷幄，决胜千里 —怎么做好“运筹”，数据分析告诉你 以往鉴来，未卜先知 —怎么发现历史的规律以预测未来，数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营，要建立起体系化思维（金字塔思维） 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向，学会数据拆分 细分到极致

  3. 所属分类：互联网

    • 发布日期：2018-04-26
    • 文件大小：68157440
    • 提供者：zzwin1006

  1. 2019数据运营思维导图

  2. 数据运营 作用&意义 知错能改，善莫大焉 —错在哪里，数据分析告诉你 运筹帷幄，决胜千里 —怎么做好“运筹”，数据分析告诉你 以往鉴来，未卜先知 —怎么发现历史的规律以预测未来，数据分析告诉你 工作思维 对业务的透彻理解是数据分析的前提 数据分析是精细化运营，要建立起体系化思维（金字塔思维） 自上而下 目标—维度拆解—数据分析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向，学会数据拆分 细分到极致

  3. 所属分类：Java

    • 发布日期：2019-03-29
    • 文件大小：15728640
    • 提供者：qq_36826498

  1. swift-Parsimmon-一个用Swift编写的iOS语言学工具包

  2. Parsimmon - swift，小而美的语言学类库封装工具包。提供分词、标记词性、词形归并、朴素贝页斯分类、决策树等自然语言分析小工具。P.S. 英语分词效果好于中文，感兴趣的同学可以针对中文做一些优化开发。

  3. 所属分类：其它

    • 发布日期：2019-08-15
    • 文件大小：47104
    • 提供者：weixin_39840924

  1. 机器学习学习笔记.rar

  2. Jim Liang的机器学习700+页PPT，机器学习入门介绍，含最近邻，SVM，线性回归，逻辑回归，神经网络，梯度下降，朴素贝叶斯，K-means，主成分分析，决策树，AdaBoost，随机森林

  3. 所属分类：机器学习

    • 发布日期：2020-05-10
    • 文件大小：423624704
    • 提供者：nstarLDS

  1. CS229-源码

  2. CS229 这是斯坦福大学关于机器学习的CS 229注释中描述的算法的实现。 到目前为止，我已经实现了： 朴素贝叶斯（Naive Bayes） ：这是一种生成学习算法。 GLA通过对p（x | y）建模，然后通过贝叶斯定理乘以p（y）/ p（x）来估计p（y | x）。 请参阅：第5课，第4/20页。 多元高斯分布：MVG分布类似于高斯或正态分布，但是具有多个维度。 在第2、4 / 17节（多元高斯分布，更多关于高斯分布）中提到； 讲座5、4 / 20（生成式算法）； 第11讲，5/1

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：1048576
    • 提供者：weixin_42099087