本书全面介绍了数据挖掘的理论和方法，着重介绍如何用数据挖掘知识解决各种实际问题，涉及学科领域众多，适用面广。
,书中涵盖5个主题：数据、分类、关联分析、聚类和异常检测。
除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。
目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。
,本书特色,·包含大量的图表、综合示例和丰富的习题。
,·不需要数据库背景，只需要很少的统计学或数学背景知识。
,·网上配套教辅资源丰富，包括ppt、习题解答、数据集等。
,书中涵盖5个主题：数据、分类、关联分析、聚类和异常检测。
除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。
目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。
,本书特色,·包含大量的图表、综合示例和丰富的习题。
,·不需要数据库背景，只需要很少的统计学或数学背景知识。
,·网上配套教辅资源丰富，包括ppt、习题解答、数据集等。
2024/8/8 5:39:31
67.61MB
1
数据挖掘的上机实验，包括文档和代码，是用c++实现的，用于电影推荐。
本实验通过6040个用户对3952部电影的100多万条评价，利用基于网络结构的链路预测算法，使用二分法模型，将用户和产品看成抽象的节点，把用户对产品的选择关系构建成二部图，以此预测用户潜在喜爱的电影，将排序靠前的电影推荐给该用户，并预测其准确性。
本实验通过6040个用户对3952部电影的100多万条评价，利用基于网络结构的链路预测算法，使用二分法模型，将用户和产品看成抽象的节点，把用户对产品的选择关系构建成二部图，以此预测用户潜在喜爱的电影，将排序靠前的电影推荐给该用户，并预测其准确性。
2024/8/6 14:30:22
9.2MB
1
资源说明：数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾代码运行说明：1、安装运行项目所需的python模块，包括tensorflow|numpy|keras|cv22、train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传3、predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
2024/8/6 11:03:04
161.27MB
1
基于最小错误率的贝叶斯手写数字分类器，包括注释，很详尽，是自己按照定义写的，训练集和测试集是用的mnist数据集，最终正确率为73.89%
2024/8/5 19:45:27
294KB
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