《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 . 理解Apriori算法的基本原理 . 理解FP增長算法的基本原理 . 學會用python實現Apriori算法 . 學會用python實現FP增長算法 二 實驗工具 . Anaconda . sklearn . Pandas 三 實驗簡介 Apriori算法在發現關聯規則領域具有很大影響力。算法命名源於算法使用了頻繁項集性質的先驗 prior 知識。在 ...
2019-06-21 09:29 0 760 推薦指數：
相關推薦
《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 1. 熟悉掌握決策樹的原理， 2. 熟練掌握決策樹的生成方法與過程 二、實驗工具 1. Anaconda 2. sklearn 3. 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 ...
《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 ...
實驗1：基於Weka的典型數據挖掘應用
一、實驗目標 理解數據挖掘的基本概念，掌握基於Weka工具的基本數據挖掘（分類、回歸、聚類、關聯規則分析）過程。 二、實驗內容 下載並安裝Java環境（JDK 7.0 64位）。 下載並安裝Weka 3.7版。 基於Weka的數據分類。 基於Weka的數據回歸 ...
《數據挖掘導論》筆記 （一）
緒論 什么是數據挖掘 數據挖掘是再大型數據存儲庫中，自動地發現有用信息的過程。（發現先前未知的有用模式，還可以預測未來觀測結果） 並非所有的信息發現都視為數據挖掘，例使用數據庫查找個別的記錄或通過因特網查找特定的Web頁面，則是信息檢索。盡管如此，人們也在利用數據挖掘技術增強信息檢索 ...
數據挖掘之關聯分析一（基本概念）
許多商業企業運營中的大量數據，通常稱為購物籃事務（market basket transaction）。表中每一行對應一個事務，包含一個唯一標識TID。 利用關聯分析的方法可以發現聯系如關聯規則或頻繁項集。 關聯分析需要處理的關鍵問題： 從大型事務數據集中發現模式可能在計算上要付出很高 ...