weka是一款由Waikato大学研究的基于Java的用于数据挖掘和知识发现的开源项目,其中集成了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理、关联规则挖掘、分类、聚类等,并提供了丰富的可视化功能。
同时,由于其是一款开源软件,所以也可以用于数据挖掘的二次开发和算法研究。
文章介绍了利用开源软件WEKA作为数据挖掘工具,通过Apriori算法,对高校图书馆流通历史数据进行挖掘分析。
同时,由于其是一款开源软件,所以也可以用于数据挖掘的二次开发和算法研究。
文章介绍了利用开源软件WEKA作为数据挖掘工具,通过Apriori算法,对高校图书馆流通历史数据进行挖掘分析。
2024/10/6 14:17:03
166KB
1
CS229T/STAT231是由斯坦福大学开设的统计学习理论课程，着重于对机器学习算法统计特性的理论理解，涉及机器学习算法何时起作用和原因、如何形式化算法从数据中学习的含义、如何使用数学思维来设计更好的机器学习方法等基本课题
2024/9/4 5:56:31
1.18MB
1
一个非常好的数据挖掘工具WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），它的源代码就是它的安装目录下weka-src.jar解压后得到。
有一本书《数据挖掘：实用机器学习技术》第2版是和weka配套的。
同时weka也是新西兰的一种鸟名，而weka的主要开发者来自新西兰。
weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。
如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。
在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情本文来自:人大经济论坛详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=619834&page=1
有一本书《数据挖掘：实用机器学习技术》第2版是和weka配套的。
同时weka也是新西兰的一种鸟名，而weka的主要开发者来自新西兰。
weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。
如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。
在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情本文来自:人大经济论坛详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=619834&page=1
2024/7/12 18:47:46
9.84MB
1
dlib.whl免编译安装，快速使用。
Dlib是一个现代化的C++工具箱，其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。
它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。
Dlib是一个现代化的C++工具箱，其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。
它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。
2024/6/3 11:33:10
3.19MB
1
Dlib是一种现代的C++工具包，它包含机器学习算法和用于在C++中创建复杂软件以解决现实世界问题的工具。
它广泛应用于工业界和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。
Dlib开源许可允许您在任何平台、任何应用程序中免费使用它。
这里整理打包了dlib19系列的所有已有的资源，格式为tar.tz和whl。
通用的dlib库，一定不会让你失望。
它广泛应用于工业界和学术界，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。
Dlib开源许可允许您在任何平台、任何应用程序中免费使用它。
这里整理打包了dlib19系列的所有已有的资源，格式为tar.tz和whl。
通用的dlib库，一定不会让你失望。
2024/6/2 0:17:51
136.27MB
1
通过在UCI开源网站上下载CarEvaluation数据集，对其使用机器学习算法进行分析，分别使用了分类算法，回归算法，聚类算法，文件中附数据集以及代码，代码使用jupyter运行即可，代码中介绍比较详细，通熟易懂，从头至尾皆可跑通！
2024/4/28 2:31:52
70KB
1
SuccessfulAlgorithmicTrading的中英文版本，以及相关的代码。
主要介绍可以回测，实盘的量化开发的流程，主要语言是python。
也介绍了量化平台开发中的涉及到的各种坑。
比如如何避免未来函数的回测等。
也涉及到现在流行的机器学习算法在量化交易的应用等。
主要介绍可以回测，实盘的量化开发的流程，主要语言是python。
也介绍了量化平台开发中的涉及到的各种坑。
比如如何避免未来函数的回测等。
也涉及到现在流行的机器学习算法在量化交易的应用等。
2024/3/25 22:26:20
8.56MB
1
本文使用三种已有的机器学习算法，针对可穿戴传感器采集用户日常行为数据，进行训练和测试等，涉及支持向量机、神经网络和隐藏马尔可夫模型等的研究
2024/2/29 9:10:15
1.51MB
1
xgboost是陈天奇大牛新开发的Boosting库。
它是一个大规模、分布式的通用GradientBoosting（GBDT）库，它在GradientBoosting框架下实现了GBDT和一些广义的线性机器学习算法。
它是一个大规模、分布式的通用GradientBoosting（GBDT）库，它在GradientBoosting框架下实现了GBDT和一些广义的线性机器学习算法。
2024/1/28 4:05:51
2.06MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB