《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. ...
原文：《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 . 掌握KNN的原理 . 掌握Naive Bayes的原理 . 学会利用KNN与Navie Bayes解决分类问题 二 实验工具 . Anaconda . sklearn 三 实验简介 . KNN KNN K Nearest Neighbor 工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中每个数据都存在标签，即我们知道 ...
2019-06-21 09:28 0 933 推荐指数：
相关推荐
《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 ...
《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 1. 熟悉掌握决策树的原理， 2. 熟练掌握决策树的生成方法与过程 二、实验工具 1. Anaconda 2. sklearn 3. 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 ...
《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 ...
实验1：基于Weka的典型数据挖掘应用
一、实验目标 理解数据挖掘的基本概念，掌握基于Weka工具的基本数据挖掘（分类、回归、聚类、关联规则分析）过程。 二、实验内容 下载并安装Java环境（JDK 7.0 64位）。 下载并安装Weka 3.7版。 基于Weka的数据分类。 基于Weka的数据回归 ...
数据挖掘之KNN分类
、决策树等算法，KNN不需要训练，当有新的实例出现时，直接在训练数据集中找k个最近的实例，把这个新的实例分配 ...
《数据挖掘导论》笔记 （一）
绪论 什么是数据挖掘 数据挖掘是再大型数据存储库中，自动地发现有用信息的过程。（发现先前未知的有用模式，还可以预测未来观测结果） 并非所有的信息发现都视为数据挖掘，例使用数据库查找个别的记录或通过因特网查找特定的Web页面，则是信息检索。尽管如此，人们也在利用数据挖掘技术增强信息检索 ...