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. decision tree primer and tutorial

  2. 4 files included: 1,decision tree primer, 2,决策树简介，c4.5, chaid,3,决策树算法介绍，chaid，4，decision trees, a primer for decision making professionals.

  3. 所属分类：C

    • 发布日期：2009-08-29
    • 文件大小：2mb
    • 提供者：pobudeyi

  1. 决策树分析方法PPT

  2. 決策樹是功能強大且相當受歡迎的分類和預測工具。這項以樹狀圖為基礎的方法，其吸引人之處在於決策樹具有規則，和類神經網路不同。規則可以用文字來表達，讓人類了解，或是轉化為SQL之類的資料庫語言，讓落在特定類別的資料紀錄可以被搜尋。 在本章中，我們先介紹決策樹運作的方式及其如何應用在分類和預測問題。隨後我們進一步介紹如何以CART、C4.5和CHAID演算法建構決策樹。

  3. 所属分类：其它

    • 发布日期：2010-08-11
    • 文件大小：5mb
    • 提供者：lifei29

  1. Data mining techniques for customer relationship management

  2. Abstract Advancements in technology have made relationship marketing a reality in recent years. Technologies such as data warehousing, data mining, and campaign management software have made customer relationship management a new area where firms ca

  3. 所属分类：C

    • 发布日期：2010-11-26
    • 文件大小：123kb
    • 提供者：bufery

  1. 机智内容管理系统2.0

  2. ***************************** * 系统简介: ***************************** 机智内容管理系统1.0(witcms)是Php+Mysql程序结构开发的. 这是一个简单但又伸缩性很强的CMS,简单自定义标签即可构造各种形式的展示模块. 全站生成静态化,使网站运行速度更快. 并且本CMS为开源免费提供广大用户使用. 作者QQ: 13699576 mail: badwolf@qq.com 网站: www.withost.cn QQ群: 120

  3. 所属分类：PHP

    • 发布日期：2012-03-06
    • 文件大小：763kb
    • 提供者：fkedwgwy

  1. C5.0软件决策树模型

  2. C5.0是决策树模型中的算法，79年由J R Quinlan发展，并提出了ID3算法，主要针对离散型属性数据，其后又不断的改进，形成C4.5，它在ID3基础上增加了队连续属性的离散化。 C5.0是C4.5应用于大数据集上的分类算法，主要在执行效率和内存使用方面进行了改进。 C4.5算法是ID3算法的修订版，采用GainRatio来加以改进方法，选取有最大GainRatio的分割变量作为准则，避免ID3算法过度配适的问题。 C5.0算法则是C4.5算法的修订版，适用于处理大数据集，采用Boost

  3. 所属分类：其它

    • 发布日期：2012-12-06
    • 文件大小：670kb
    • 提供者：baishikele_hw

  1. treedisc说明

  2. sas决策树CHAID算法的宏程序介绍，英文版，比较详细

  3. 所属分类：其它

    • 发布日期：2014-04-11
    • 文件大小：59kb
    • 提供者：xuso1131

  1. treedisc.sas

  2. sas中决策树CHAID算法实现宏程序，实用性比较强

  3. 所属分类：其它

    • 发布日期：2014-04-11
    • 文件大小：103kb
    • 提供者：xuso1131

  1. SAS实现CHAID模型示例

  2. SAS实现CHAID模型示例

  3. 所属分类：其它

    • 发布日期：2014-04-11
    • 文件大小：168kb
    • 提供者：xuso1131

  1. tree14p.pdf

  2. tree14p.pdf,介绍使用SAS代码实现CHAID算法的示例

  3. 所属分类：其它

    • 发布日期：2014-04-11
    • 文件大小：149kb
    • 提供者：xuso1131

  1. 数据挖掘技术 PPT

  2. 决 策 树 引言 决策树对比神经元网络的优点在于可以生成一些规则。 当我们进行一些决策，同时需要相应的理由的时候，使用神经元网络就不行了。 本章介绍三个算法 CART,CHAID,C4.5。

  3. 所属分类：网络基础

    • 发布日期：2009-04-15
    • 文件大小：287kb
    • 提供者：hodge_521

  1. 基于决策树CHAID模型的切削钻机岩性识别预测

  2. 为研究某露天矿LWD-200B型切削钻机自动钻进参数与岩石性质关系,在现场通过钻机钻进参数记录仪对与岩性相关的钻进参数实时采集,通过对钻进过程中的岩屑的观察分析确定不同岩石的性质与位置,运用Clementine软件的决策树CHAID模型对数据进行统计分析,对工作平台的岩层分布情况进行预测。

  3. 所属分类：其它

    • 发布日期：2020-07-12
    • 文件大小：240kb
    • 提供者：weixin_38543280

  1. 数据挖掘的10个常见问题

  2. 硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么DataMining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，DataMining有下列几项特性：若将DataWarehousing（资料仓储）比喻作矿坑，DataMining

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：146kb
    • 提供者：weixin_38613173

  1. 数据挖掘的10个常见问题

  2. 硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么DataMining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，DataMining有下列几项特性：若将DataWarehousing（资料仓储）比喻作矿坑，DataMining

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：146kb
    • 提供者：weixin_38601499

  1. 数据仓库、OLAP和数据挖掘、统计分析的关系和区别分析

  2. 数据挖掘(DataMining)，又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,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。硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：148kb
    • 提供者：weixin_38607311

  1. 数据挖掘入门必看10个问题

  2. 若将DataWarehousing(数据仓库)比喻作矿坑，DataMining就是深入矿坑采矿的工作。毕竟DataMining不是一种无中生有的魔术，也不是点石成金的炼金术，若没有够丰富完整的数据，是很难期待DataMining能挖掘出什么有意义的信息的。硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining有相

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：145kb
    • 提供者：weixin_38529436

  1. 数据仓库、OLAP和数据挖掘、统计分析的关系和区别分析

  2. 数据挖掘(DataMining)，又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,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。硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：148kb
    • 提供者：weixin_38517892

  1. 数据挖掘的10个常见问题

  2. 硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么DataMining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，Data Mining有下列几项特性

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：146kb
    • 提供者：weixin_38637918

  1. 数据挖掘的10个常见问题

  2. 硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么DataMining的出现会引发各领域的广泛注意呢？主要原因在相较于传统统计分析而言，Data Mining有下列几项特性

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：146kb
    • 提供者：weixin_38620893

  1. 数据挖掘入门必看10个问题

  2. 若将DataWarehousing(数据仓库)比喻作矿坑，DataMining就是深入矿坑采矿的工作。毕竟DataMining不是一种无中生有的魔术，也不是点石成金的炼金术，若没有够丰富完整的数据，是很难期待DataMining能挖掘出什么有意义的信息的。硬要去区分DataMining和Statistics的差异其实是没有太大意义的。一般将之定义为DataMining技术的CART、CHAID或模糊计算等等理论方法，也都是由统计学者根据统计理论所发展衍生，换另一个角度看，DataMining有相

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：145kb
    • 提供者：weixin_38723753