R語言學習數據挖掘
1.用R計算數據基本統計量（均值） 學習機器學習和數據挖掘中的各種算法和模型，需要掌握統計學的基本概念。統計學是通過搜索、整理、分析數據等手段，以達到推斷所測對象的本質，並預測對象未來走勢的一門綜合性科學。 簡單說，統計學是根據樣本估計總體的科學。它的一些思想和大數據思想有些相悖，不關注數據 ...
原文：數據挖掘學習05 - 使用R對文本進行hierarchical cluster並驗證結果
本文目的 最近一直在使用R進行hcluster計算，主要采用了一些R自帶的距離公式和cophenetic距離驗證聚類的質量。其中R自帶的hclust方法不支持cosine函數，如果需要下載R的擴展，要下載許多關聯的庫，所以自己編寫了一個簡單的cosine函數，並且使用了R的proxy擴展 距離計算框架 ，計算向量距離。內容涉及比較多，所以記錄一下，作為備忘。 采用R計算hclust 步驟一：准備數 ...
2012-10-30 20:36 4 3528 推薦指數：
相關推薦
使用Weka進行數據挖掘
1.簡介 數據挖掘、機器學習這些字眼，在一些人看來，是門檻很高的東西。誠然，如果做算法實現甚至算法優化，確實需要很多背景知識。但事實是，絕大多數數據挖掘工程師，不需要去做算法層面的東西。他們的精力，集中在特征提取，算法選擇和參數調優上。那么，一個可以方便地提供這些功能的工具，便是十分必要 ...
【R語言進行數據挖掘】回歸分析
1、線性回歸 線性回歸就是使用下面的預測函數預測未來觀測量： 其中，x1,x2,...,xk都是預測變量（影響預測的因素），y是需要預測的目標變量（被預測變量）。 線性回歸模型的數據來源於澳大利亞的CPI數據，選取的是2008年到2011年的季度數據。 rep函數里面的第一個參數是向量 ...
數據挖掘學習08 - 實驗：使用R評估kmeans聚類的最優K
本文目的 最近這幾天一直在研究如何評估Kmeans聚類算法中的最優K值。主要理論依據是《數據挖掘導論》8.5.5節中介紹的SSE和Silhouette Coefficient系數的方法評估最優K。現在記錄整個實驗過程，作為備忘。不過，體驗過程中，由於R軟件使用的還不太熟練，實現過程中有些地方 ...
關於數據挖掘中的文本挖掘
文本挖掘， 顧名思義，就是挖掘本文信息中潛在的有價值的信息。文本數據與數值數據的區別有三： 第一，非結構化且數據量大； 文本數據的數據量是非常之巨大的，一百萬條結構化數據可能才幾十到幾百兆，而一百萬條文本數據就已經是GB了。當然文本數據的數據量無法與每天的log數據相比 ...
數據挖掘簡述和weka介紹--數據挖掘學習和weka使用（一）
寫在開篇 weka用了一些時日了，覺得真心不錯。功能很完善，而且是開源的。最重要的擴展方便，非常適合搞研究和做全國大學生數學建模之類的比賽。 我學習weka主要是看的一本數據挖掘和weka使用的書，是英文的。國內有中文版…但是不想吐就不要看譯本吧，不知道是翻譯的人是怎么想的. 我寫博文的順序 ...
使用sklearn進行數據挖掘-房價預測(1)
使用sklearn進行數據挖掘系列文章： 1.使用sklearn進行數據挖掘-房價預測(1) 2.使用sklearn進行數據挖掘-房價預測(2)—划分測試集 3.使用sklearn進行數據挖掘-房價預測(3)—繪制數據的分布 4.使用sklearn進行數據挖掘-房價預測 ...
【轉】使用sklearn優雅地進行數據挖掘
這里是原文 目錄 使用sklearn進行數據挖掘 1.1 數據挖掘的步驟 1.2 數據初貌 1.3 關鍵技術並行處理 並行處理 2.1 整體並行處理 2.2 部分並行處理流水線處理自動化調參持久化回顧總結參考資料使用 ...