Pajek是大型复杂网络分析工具，是用于研究目前所存在的各种复杂非线性网络的有力工具。
Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。
在斯洛文尼亚语中Pajek是蜘蛛的意思。
析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、旧事、创新）、数据挖掘（2-mode网）等。
设计Pajek的主要目的：这是最新Pajek64位版本免费获取，仅限于非商业用途。
Pajek向以下网络提供分●支持将大型网络分解成几个较小的网络，以便使用更有效的方法进一步处理；
●向使用者提供一些强大的可视化操作工具；
●执行分析大型网络有效算法（subquadratic）。
通过Pajek可完成以下工作：●在一个网络中搜索类（组成、重要结点的邻居、核等）；
●获取属于同一类的结点，并分别显示出来，或者反映出结点的连接关系（更具体的局域视角）；
●在类内收缩结点，并显示类之间的关系（全局视角）。
除普通网络（有向、无向、混合网络）外，Pajek还支持多关系网络，2-mode网络（二分（二值）图－网络由两类异质结点构成），以及暂时性网络（动态图—网络随时间演化）。
Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。
在斯洛文尼亚语中Pajek是蜘蛛的意思。
析和可视化操作工具：合著网、化学有机分子、蛋白质受体交互网、家谱、因特网、引文网、传播网（AIDS、旧事、创新）、数据挖掘（2-mode网）等。
设计Pajek的主要目的：这是最新Pajek64位版本免费获取，仅限于非商业用途。
Pajek向以下网络提供分●支持将大型网络分解成几个较小的网络，以便使用更有效的方法进一步处理；
●向使用者提供一些强大的可视化操作工具；
●执行分析大型网络有效算法（subquadratic）。
通过Pajek可完成以下工作：●在一个网络中搜索类（组成、重要结点的邻居、核等）；
●获取属于同一类的结点，并分别显示出来，或者反映出结点的连接关系（更具体的局域视角）；
●在类内收缩结点，并显示类之间的关系（全局视角）。
除普通网络（有向、无向、混合网络）外，Pajek还支持多关系网络，2-mode网络（二分（二值）图－网络由两类异质结点构成），以及暂时性网络（动态图—网络随时间演化）。
2017/7/19 18:34:04
15.8MB
1
《Learningdataminingwithpython》中文版，图灵程序设计丛书最受欢迎的一本书，本书引见了数据挖掘的基础知识，基础工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之路。
2016/6/15 14:25:53
10.07MB
1
ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。
Spark是UCBerkeleyAMPlab(加州大学伯克利分校的AMP实验室)所开源的类HadoopMapReduce的通用并行框架，Spark，拥有HadoopMapReduce所具有的优点；
但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因而Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
Spark是UCBerkeleyAMPlab(加州大学伯克利分校的AMP实验室)所开源的类HadoopMapReduce的通用并行框架，Spark，拥有HadoopMapReduce所具有的优点；
但不同于MapReduce的是——Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因而Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
2016/7/12 6:50:02
219.33MB
1
数据仓库与数据挖掘技术:该资源来于：作者：lenovo，单位：lenovo内容：第1章数据库、数据库管理系统与数据仓库第2章数据仓库原理第3章数据仓库设计.ppt第4章联机分析处理.ppt第5章数据挖掘算法.ppt第6章统计类数据挖掘.ppt第7章其他数据挖掘技术和工具.ppt第8章数据仓库的使用和管理.ppt
2015/3/26 22:40:25
3.79MB
1
本书作者：Phate＃缺少值的基于粗集的ADR信令＃我们试图找到FAERS的数据ADR信号，而这个项目是我们system.ButFAERS的一部分，是一种自发报告系统，所以当我们做一些数据挖掘方法会遇到很大的思念毛病地价值。
2022/9/18 1:23:05
10KB
1
本书适合有志于从事数据挖掘的初学者，需求的朋友可看看第一部分数据挖掘与机器学习数学基础3第一章机器学习的统计基础3第二章探索性数据分析（EDA）.11第二部分机器学习概述14第三章机器学习概述14第三部分监督学习---分类与回归16第四章KNN（k最邻近分类算法）16第五章决策树19第六章朴素贝叶斯分类29第七章Logistic回归.32第八章SVM支持向量机42第九章集成学习(EsembleLearning)43第十一章模型评估46第四部分非监督学习---聚类与关联分析50第十二章Kmeans聚类分析.50第十三章关联分析Apriori.52第十四章数据预处理之数据降维54第五部分Python数据预处理.57第十五章Python数据分析基础.57第十六章Python进行数据清洗.77第六部分数据结构与算法82第七部分SQL知识.86第八部分数据挖掘案例分析87案例一AJourneythroughTitanic597c770e.87案例二Analysisforairplane-crashes-since-190894案例三贷款预测问题98案例四KNN算法实现葡萄酒价格模型预测及交叉验证107
2015/1/23 5:02:50
4.4MB
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