10.1关联规则基本概念10.2关联规则算法原理10.3分层搜索经典算法-Apriori算法10.4并行挖掘算法10.5增量更新挖掘算法10.6多层关联规则挖掘10.7多维关联规则挖掘10.8约束性关联规则挖掘10.9数量关联规则挖掘10.10负关联规则挖掘算法10.11加权关联规则挖掘算法10.12应用实例分析10.13小结
2024/5/7 12:39:13
683KB
1
包含了数据挖掘十大算法中的：Apriori、C4.5、CART、EM、K-means、KNN、PageRank。
语言为Python
语言为Python
2024/5/1 13:31:42
14KB
1
该压缩包中含有全部原程序，运行所需数据库和一个txt文件，如果下载者不会连接数据库，可以参考这个txt文件，很简单。
只要连接正确，保证可以运行。
相比网上那些用C#写的程序，本程序更方便操作，容易理解。
本程序运行环境为VC++和SQL2008，界面用MFC做的。
运用apriori算法，内容包括关联规则的数据挖掘，通过设置支持度和置信度的值，得出各置信度。
决策树的方法，里面也有相关程序。
适合初学者和做课程设计。
只要连接正确，保证可以运行。
相比网上那些用C#写的程序，本程序更方便操作，容易理解。
本程序运行环境为VC++和SQL2008，界面用MFC做的。
运用apriori算法，内容包括关联规则的数据挖掘，通过设置支持度和置信度的值，得出各置信度。
决策树的方法，里面也有相关程序。
适合初学者和做课程设计。
2024/2/20 11:01:53
8.95MB
1
1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2024/1/25 9:25:40
626KB
1
mapreduce实现apriori算法，亲测可行！需要自行下载数据集。
数据集链接如下http://fimi.ua.ac.be/data/
数据集链接如下http://fimi.ua.ac.be/data/
2024/1/14 0:06:30
90KB
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