注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 决策树分类算法优化研究

  2. 数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的 过程，是一种新型的数据分析技术，已被广泛应用于金融、保险、政 府、教育、运输以及国防等领域。 数据分类是数据挖掘中一个重要的内容。分类存在很多方法，其 中决策树算法是以实例为基础的归纳学习算法，以其易于提取显式规 则、计算量相对较小、可以显示重要的决策属性和较高的分类准确率 等优点而得到广泛的应用。据统计，目前决策树算法是利用最广泛的 数据挖掘算法之一。 然而在实际应用过程中，现存的决策树算法也存在着很多不足之 处，如计算效率低下、多值

  3. 所属分类：其它

    • 发布日期：2009-12-26
    • 文件大小：3145728
    • 提供者：humanrights

  1. 数据挖掘各算法的MATLAB实现

  2. 分类、聚类。十分齐全的一个系统。运行OK。希望对大家有用。

  3. 所属分类：其它

    • 发布日期：2010-03-04
    • 文件大小：650240
    • 提供者：hl_king

  1. Id3算法的研究及应用

  2. 论述ID3算法，根据中医脏腑辨证数据的特点，简化经典的ID3算法，福述一个针对中医脏腑辨证数据的数据挖掘过程模型，并在这个模型的指导下，对临床病人的实时诊断症状和证候之间的关系进行分析、预测，在保证正确诊治率的前提下提高运行的效率.

  3. 所属分类：其它

    • 发布日期：2010-06-22
    • 文件大小：152576
    • 提供者：xiaohengxing666

  1. 数据挖掘id3算法、SG-1算法和概念聚类算法

  2. 数据挖掘id3算法、SG-1算法和概念聚类算法 c语言版本 pdf文档

  3. 所属分类：其它

    • 发布日期：2010-12-05
    • 文件大小：68608
    • 提供者：xuufeii

  1. 数据挖掘实践数据挖掘实践

  2. 数据挖掘实践数据挖掘实践主要介绍了几种最成熟的数据挖掘方法，并针对每种方法，介绍了应用最广泛的几种实现算法。书中以Clementine 12．0为平台，用实例介绍了每种算法的具体应用。全书各章分别介绍了数据挖掘和Clementine软件、决策树分类方法(包括ID3、C4．5、C5．0、CART等算法)、聚类分析方法(包括K-Means算法和TwoStep算法)、关联规则挖掘方法(包括Apriori算法、CARMA算法和序列模式挖掘算法)、数据筛选算法(包括特征选择算法和异常检测算法)、回归分析

  3. 所属分类：其它

    • 发布日期：2011-04-19
    • 文件大小：12582912
    • 提供者：shadowserver

  1. 数据挖掘决策树ID3算法优化

  2. 描述了数据挖掘的概况以及决策树算法的实现，主要是ID3算法的不足之处所引的优化过程是本资源的重点，里面配有图解和文字说明

  3. 所属分类：其它

    • 发布日期：2011-06-16
    • 文件大小：139264
    • 提供者：yuiaragraki87

  1. data mining

  2. data mining数据挖掘技术：决策树、ID3算法

  3. 所属分类：数据库

    • 发布日期：2012-10-15
    • 文件大小：2097152
    • 提供者：liuchanghua0425

  1. 数据挖掘算法结果分析

  2. 对FP、ID3、贝叶斯算法用同一数据进行了分析

  3. 所属分类：其它

    • 发布日期：2012-11-19
    • 文件大小：10485760
    • 提供者：mmtianyuan

  1. 数据挖掘决策树ID3

  2. 　数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。 　　并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能

  3. 所属分类：其它

    • 发布日期：2009-03-29
    • 文件大小：8388608
    • 提供者：lyzer2002

  1. 《RapidMiner数据分析与挖掘实战》第11章 决策树与神经网络

  2. 决策树方法在分类、预测、规则提取等领域有着广泛应用。在20世纪70年代后期和80年代初期，机器学习研究者J.Ross Quinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。Quinilan后来又提出了C4.5，成为新的监督学习算法。1984年几位统计学家提出了CART分类算法。ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-30
    • 文件大小：1048576
    • 提供者：qq_40370890

  1. 决策树算法ID3 C4.5 Java实现

  2. Java实现的数据挖掘、机器学习中经典的分类器算法ID3，C4.5，具体可点击我的博客查看

  3. 所属分类：Java

    • 发布日期：2017-03-12
    • 文件大小：15360
    • 提供者：jiafgn

  1. 决策树采样策略应用于大规模数据集

  2. 随着信息爆炸时代的到来，人们常常要面对海量的数据分析和处理任务，而且这些数据还在以几何级数的速度增加。同时，在现实中这些海量数据往往是高维而稀疏的，且存在着大量的冗余。因而能对数据进行有效地采样，且保持其准确率的处理方法成为人工智能、机器学习、数据挖掘等领域的重要研究课题之一。 　　决策树方法最早产生于上世纪60年代，到70年代末。由JRossQuinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理

  3. 所属分类：其它

    • 发布日期：2020-10-22
    • 文件大小：133120
    • 提供者：weixin_38700790