《数据挖掘导论》实验课——实验七、数据挖掘之K-means聚类算法
实验七、数据挖掘之K-means聚类算法 一、实验目的 1. 理解K-means聚类算法的基本原理 2. 学会用python实现K-means算法 二、实验工具 1. Anaconda 2. sklearn 3. matplotlib 三、实验简介 1 K-means算法简介 ...
原文：《数据挖掘导论》实验课——实验三、数据挖掘之决策树
实验三 数据挖掘之决策树 一 实验目的 . 熟悉掌握决策树的原理， . 熟练掌握决策树的生成方法与过程 二 实验工具 . Anaconda . sklearn . pydotplus 三 实验简介 决策树是一个非参数的监督式学习方法，主要用于分类和回归。算法的目标是通过推断数据特征，学习决策规则从而创建一个预测目标变量的模型。 四 实验内容 . 自己创建至少 个向量，每个向量至少 个属性和 个类标 ...
2019-06-21 09:22 0 882 推荐指数：
相关推荐
《数据挖掘导论》实验课——实验四、数据挖掘之KNN,Naive Bayes
实验四、数据挖掘之KNN,Naive Bayes 一、实验目的 1. 掌握KNN的原理 2. 掌握Naive Bayes的原理 3. 学会利用KNN与Navie Bayes解决分类问题 二、实验工具 1. Anaconda 2. sklearn 三、实验简介 1. KNN ...
《数据挖掘导论》实验课——实验六、数据挖掘之关联分析
实验六、数据挖掘之关联分析 一、实验目的 1. 理解Apriori算法的基本原理 2. 理解FP增长算法的基本原理 3. 学会用python实现Apriori算法 4. 学会用python实现FP增长算法 二、实验工具 1. Anaconda 2. sklearn 3. ...
数据挖掘之决策树
1、引言 决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据 ...
数据挖掘——决策树分类
决策树分类是数据挖掘中分类分析的一种算法。顾名思义，决策树是基于“树”结构来进行决策的，是人类在面临决策问题时一种很自然的处理机制。例如下图一个简单的判别买不买电脑的决策树： 下图是一个测试数据集，我们以此数据集为例，来看下如何生成 ...
数据挖掘之DecisionTreeClassifier决策树
用决策树DecisionTreeClassifier的数据挖掘算法来通过三个参数，Pclass,Sex,Age，三个参数来求取乘客的获救率。 分为三大步： 一，创建决策树DecisionTreeClassifier 对象 二，对象调用fit()函数，训练数据，建立模型 三，对象调用 ...
《数据挖掘导论》实验课——实验一、数据处理之Numpy
实验一、数据处理之Numpy 一、实验目的 1. 了解numpy库的基本功能 2. 掌握Numpy库的对数组的操作与运算 二、实验工具： 1. Anaconda 2. Numpy 三、Numpy简介 Numpy 的英文全称为 Numerical Python，指Python 面向 ...