您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 开源力量——数据挖掘原理与实战

  2. 整套大数据课程从hadoop入门开始,由浅入深,内置“hadoop源码解析与企业应用开发实战”,“Hive开发实战”,“Hbase开发实战”,“Spark,mahout,sqoop,storm诸模块开发实战”,“数据挖掘基础。这个系列课程有几个板块组成,所以学员可以按照自己的实际情况选择学习。例如,对于只需要了解hadoop基本编程的人,只需要选择“hadoop源码解析与企业应用开发实战”模块就可以了;对于立志于从事大数据领域的零起点人员,可以选择四个板块依次学习;对于已经有一定基础的hado
  3. 所属分类:Java

    • 发布日期:2015-07-10
    • 文件大小:74byte
    • 提供者:billdavidup2015
  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica
  3. 所属分类:专业指导

    • 发布日期:2016-01-05
    • 文件大小:220kb
    • 提供者:huangyueranbbc
  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica
  3. 所属分类:Java

    • 发布日期:2017-04-08
    • 文件大小:220kb
    • 提供者:q6115759
  1. 深度学习基础加进阶视频教程

  2. 【课程内容】 基础 课程介绍机器学习介绍 深度学习介绍 基本概念 决策树算法 决策树应用 最邻近规则分类KNN算法 最邻近规则KNN分类应用 支持向量机SVM 神经网络算法应用 简单线性回归 多元线性回归 非线性回归 Logistic Regression 回归中的相关度和决定系数 回归中的相关性和R平方值应用 Kmeans算法 Kmeans应用 Hierarchical clustering 层次聚类 进阶 基本概念 软件包安装和环境配置总述 环境配置分部详解 手写数字识别 神经网络基本结构
  3. 所属分类:深度学习

    • 发布日期:2018-03-14
    • 文件大小:75byte
    • 提供者:u013844840
  1. 层次聚类和Kmeans

  2. 文章目录层次聚类层次聚类流程层次聚类优缺点Kmeans聚类Kmeans聚类流程K-Means的优缺点 层次聚类 层次聚类流程 (1) 计算两两样本之间的距离; (2) 将距离最小的两个类合并成一个新类; (3) 重新计算新类与所有类之间的距离; (4) 重复(2)、(3),直到所有类最后合并成一类。 层次聚类例子 import scipy import scipy.cluster.hierarchy as sch from scipy.cluster.vq import vq,kmeans,wh
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:214kb
    • 提供者:weixin_38659311
  1. MachineLearninginR:R for Data Science课程的机器学习作业-源码

  2. 机器学习 R for Data Science课程的机器学习作业在本课程中,我们涵盖了概念和R库,以帮助我们在训练机器学习模型和各种机器学习算法之前处理数据问题。 R markdown文件包含用于在R中训练的机器学习算法的代码。在培训之前,我们被告知要检查的几件事情包括: 通过多次插补缺失值 找出我们的数据是否偏斜,以及如何通过不同的变换(Box-Cox,Tukey,对数,立方/平方根变换,数据归一化/标准化)解决偏斜问题 有效线性回归的假设,探索性数据分析的描述性统计量等我们尝试了以下机器学习
  3. 所属分类:其它

  1. Data_Science_work:这是我在探索该领域时完成的一组数据科学项目-源码

  2. 统计,数据科学,AI和ML 创建该存储库是为了存储我与数据科学领域相关的项目,笔记和学习内容。 它包括使用各种数据科学和机器学习技术执行的项目。 我使用了来自各种开源数据存储库的数据集。 范围:这项工作主要围绕使用各种支持库在python环境中执行这些最新技术进行。 它不涉及算法背后的密集数学。 但是,我在某些笔记本中附加了各种资源链接,以便从概述的角度更好地理解它们。 我坚信,在尝试理解或使用这些笔记本之前,必须对这些技术和背后的算法有充分的了解。 内容 探索性数据分析 机器学习 监督学习
  3. 所属分类:其它

  1. 基于网格的聚类算法

  2. 本文于cloud.tencent.com,介绍了典型算法,CLIQUE聚类算法,WaveCluster算法,WaveCluster聚类算法等。俗话说:“物以类聚,人以群分”,在机器学习中,聚类算法是一种无监督分类算法。聚类算法很多,包括基于划分的聚类算法(如:kmeans),基于层次的聚类算法(如:BIRCH),基于密度的聚类算法(如:DBScan),基于网格的聚类算法等等。基于划分和层次聚类方法都无法发现非凸面形状的簇,真正能有效发现任意形状簇的算法是基于密度的算法,但基于密度的算法一般时间复
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:588kb
    • 提供者:weixin_38610070
  1. 基于网格的聚类算法

  2. 本文于cloud.tencent.com,介绍了典型算法,CLIQUE聚类算法,WaveCluster算法,WaveCluster聚类算法等。俗话说:“物以类聚,人以群分”,在机器学习中,聚类算法是一种无监督分类算法。聚类算法很多,包括基于划分的聚类算法(如:kmeans),基于层次的聚类算法(如:BIRCH),基于密度的聚类算法(如:DBScan),基于网格的聚类算法等等。基于划分和层次聚类方法都无法发现非凸面形状的簇,真正能有效发现任意形状簇的算法是基于密度的算法,但基于密度的算法一般时间复
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:588kb
    • 提供者:weixin_38728347
  1. 基于改进支持向量机和两步式聚类分析的电网关键断面辨识和精细规则生成方法

  2. 在一种基于电网运行仿真大数据的知识管理方法框架的基础上,进行改进和实用化,建立电网安全运行知识库。改进了一种用于判断关键断面是否生效的支持向量机分类模型,能够减弱不平衡数据的影响,并降低关键断面漏警概率。提出了一种用于生成不同形式精细规则的层次聚类-Kmeans聚类两步式聚类分析方法,提高了训练的效率。将上述改进知识管理方法在广东电网实际系统中进行算例分析,证明其可行性与有效性。
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:950kb
    • 提供者:weixin_38737335