《數據挖掘導論》實驗課——實驗七、數據挖掘之K-means聚類算法
實驗七、數據挖掘之K-means聚類算法 一、實驗目的 1. 理解K-means聚類算法的基本原理 2. 學會用python實現K-means算法 二、實驗工具 1. Anaconda 2. sklearn 3. matplotlib 三、實驗簡介 1 K-means算法簡介 ...
原文：《數據挖掘導論》實驗課——實驗三、數據挖掘之決策樹
實驗三 數據挖掘之決策樹 一 實驗目的 . 熟悉掌握決策樹的原理， . 熟練掌握決策樹的生成方法與過程 二 實驗工具 . Anaconda . sklearn . pydotplus 三 實驗簡介 決策樹是一個非參數的監督式學習方法，主要用於分類和回歸。算法的目標是通過推斷數據特征，學習決策規則從而創建一個預測目標變量的模型。 四 實驗內容 . 自己創建至少 個向量，每個向量至少 個屬性和 個類標 ...
2019-06-21 09:22 0 882 推薦指數：
相關推薦
《數據挖掘導論》實驗課——實驗四、數據挖掘之KNN,Naive Bayes
實驗四、數據挖掘之KNN,Naive Bayes 一、實驗目的 1. 掌握KNN的原理 2. 掌握Naive Bayes的原理 3. 學會利用KNN與Navie Bayes解決分類問題 二、實驗工具 1. Anaconda 2. sklearn 三、實驗簡介 1. KNN ...
《數據挖掘導論》實驗課——實驗六、數據挖掘之關聯分析
實驗六、數據挖掘之關聯分析 一、實驗目的 1. 理解Apriori算法的基本原理 2. 理解FP增長算法的基本原理 3. 學會用python實現Apriori算法 4. 學會用python實現FP增長算法 二、實驗工具 1. Anaconda 2. sklearn 3. ...
數據挖掘之決策樹
1、引言 決策樹是建立在信息論基礎之上，對數據進行分類挖掘的一種方法。其思想是，通過一批已知的訓練數據建立一棵決策樹，然后利用建好的決策樹，對數據 ...
數據挖掘——決策樹分類
決策樹分類是數據挖掘中分類分析的一種算法。顧名思義，決策樹是基於“樹”結構來進行決策的，是人類在面臨決策問題時一種很自然的處理機制。例如下圖一個簡單的判別買不買電腦的決策樹： 下圖是一個測試數據集，我們以此數據集為例，來看下如何生成 ...
數據挖掘之DecisionTreeClassifier決策樹
用決策樹DecisionTreeClassifier的數據挖掘算法來通過三個參數，Pclass,Sex,Age，三個參數來求取乘客的獲救率。 分為三大步： 一，創建決策樹DecisionTreeClassifier 對象 二，對象調用fit()函數，訓練數據，建立模型 三，對象調用 ...
《數據挖掘導論》實驗課——實驗一、數據處理之Numpy
實驗一、數據處理之Numpy 一、實驗目的 1. 了解numpy庫的基本功能 2. 掌握Numpy庫的對數組的操作與運算 二、實驗工具： 1. Anaconda 2. Numpy 三、Numpy簡介 Numpy 的英文全稱為 Numerical Python，指Python 面向 ...