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. 高速数据链的挖掘算法

  2. 本文描述并评价了VFDT----一个建造决策树的随机系统.它可以使用不变的内存和时间来处理每个样本.它通过建立Hoeffding树来进行决策支持.它使用Hoeffding约束来保证以高精确度处理高速数据链。

  3. 所属分类：其它

    • 发布日期：2007-11-06
    • 文件大小：91136
    • 提供者：rapplef

  1. Data Stream Mining

  2. 随着计算机技术的发展，在众多应用领域逐渐出现了一种新的数据模型，数据流。本书详细介绍了数据流挖掘的方方面面，滑动窗口模型，Hoeffding Trees等等。

  3. 所属分类：数据库

    • 发布日期：2011-10-28
    • 文件大小：1048576
    • 提供者：kongying168

  1. 概率与统计机器学习中常用的不等式机器证明

  2. 本文档介绍了统计机器学习领域常用的不等式及其证明过程。其中包括了Chernoff不等式，Markov不等式，Chebyshev不等式，Hoeffding不等式，大数定律，中心极限定律等

  3. 所属分类：讲义

    • 发布日期：2016-04-20
    • 文件大小：247808
    • 提供者：superkingcw

  1. 用于SparkStreaming的数据挖掘streamDM.zip

  2. streamDM，是由华为诺亚方舟实验室开源的使用 Spark Streaming 挖掘大数据的开源软件。大数据流学习大数据流学习（Big Data stream learning）比批量或离线学习更富有挑战性，因为数据在流动的过程中不太可能保持同一种分布。而且，数据流中的每一个样本只能被处理一次，否则它们就需要占用内存进行总结，同时该学习算法也必须非常高效。Spark StreamingSpark Streaming 是核心 Spark API 的一个扩展，它能让多个源的数据流处理成为可能。

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：1048576
    • 提供者：weixin_39841856

  1. hoeffding.pdf

  2. hoeffding.pdf

  3. 所属分类：Delphi

    • 发布日期：2019-08-21
    • 文件大小：87040
    • 提供者：chunyangsuhao

  1. Elements of Copula Modeling with R

  2. This book introduces the main theoretical findings related to copulas and shows how statistical modeling of multivariate continuous distributions using copulas can be carried out in the R statistical environment with the package copula (among others)

  3. 所属分类：讲义

    • 发布日期：2019-02-23
    • 文件大小：68157440
    • 提供者：niuniuniu1981

  1. 使用Python3.6批量下载PDF讲义

  2. 最近在学习蒙特卡洛方法相关的理论知识，在证明置信概率与打靶次数的关系时用到了Hoeffding不等式，于是查了一部分文献，发现一篇论文的引用是一个讲义的资源网站，有很多PDF形式的讲义，因此想批量下载下来。之前只是大致有印象可以用python完成，但没有做过，因此本着学习和鼓捣的双重目的查了一下操作方法。 网上有很多大佬早就做过类似的事了，主要参考了WittyLu的一篇文章，顺便学习了一下正则表达式。主要的区别在于原文是采用python自带的urllib库实现的，本文出于简单采用了request

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：422912
    • 提供者：weixin_38741101

  1. 泛化误差上界的证明【内含霍夫丁不等式（Hoeffding’s Inequality）的证明】

  2. 文章目录先导内容一、 泛化能力（generalization ability）二、 泛化误差（generalization error）三、泛化误差上界（generalization error bound）重点来了！霍夫丁不等式的证明一、Markov’s Inequality（马尔可夫不等式）二、Chebyshev’s Inequality（切比雪夫不等式）三、Chernoff’s bound（切诺夫界）四、Hoeffding’s lemma（霍夫丁引理）五、Hoeffding’s Inequ

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：128000
    • 提供者：weixin_38732912

  1. 一种抗噪的概念漂移数据流分类方法

  2. 隐含概念漂移的数据流分类问题是数据挖掘领域研究的热点之一,而实际数据中的噪音会直接影响概念漂移检测及分类质量,因此具有良好抗噪性能的数据流分类方法具有重要的研究和应用价值.随机决策树的集成模型是一种有效的数据流分类模型,为此本文基于随机决策树,引入Hoeffding Bounds不等式来检测和区分概念漂移和噪音,根据检测结果动态调整滑动窗口的大小和漂移检测周期,并提出一种增量式的集成分类方法ICDC,实验结果表明,本文算法在含噪音数据流上处理概念漂移是有效的.

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：759808
    • 提供者：weixin_38656374

  1. 基于Hoeffding Tree的电能质量在线扰动分类

  2. 为满足电能质量扰动事件的在线分类需求，提出了一种基于Hoeffding Tree的电能质量扰动在线分类方法。对电能质量在线扰动分类中的关键技术进行了研究，提出用小波变换和离散傅里叶变换相结合的判别方法检测电能质量扰动，该算法采用自适应滑动数据窗算法，能够根据扰动持续时间提取完整的扰动事件。以小波信号能量以及基波有效值构成特征向量，利用Hoeffding Tree算法构建增量式分类训练模型。仿真结果表明，所提方法的准确度和效率均满足电能质量扰动事件在线检测和分类的要求。

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：912384
    • 提供者：weixin_38607026

  1. 利用经验方差进行数据流分类

  2. 使用决策树算法进行分类是数据流中广泛研究的问题。 挑战在于何时将决策节点拆分为多个叶子。 与不考虑方差的霍夫丁定律相比，利用伯恩斯坦和贝内特不等等方差信息的浓度不平等通常是严格严格的。 许多用于流分类的机器学习算法，例如超快速决策树（VFDT）学习器，AdaBoost和支持向量机（SVM），都使用Hoeffding边界作为性能保证。 在本文中，我们提出了一种基于最近提出的经验伯恩斯坦边界的新算法，以在决策树的准确性上实现更好的概率边界。 在四个合成数据集和两个真实世界数据集上的实验结果证明了我们

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：350208
    • 提供者：weixin_38632797