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
数据挖掘作为现在比较有用的支持决策系统的一种手段有着广泛的应用。
其有很多种方法，本文主要基于关联规则类等相关问题进行论述。
按照挖掘过程进行组织。
首先，有数据仓库的建立和数据挖掘的概述。
其次是关联规则的挖掘，后来就是挖掘结果的可视化等方面的内容。
在其中不仅有基本概念、原理、方法等。
还有对最新的方法的分析研究和提高等。
目录第一章数据仓库...51.1概论...51.2数据仓库体系结构...61.3数据仓库规划、设计与开发...61.3.1确定范围...71.3.2环境评估...71.3.3分析...71.3.4设计...71.3.5开发...81.3.5测试...81.3.6运行...81.4小结
其有很多种方法，本文主要基于关联规则类等相关问题进行论述。
按照挖掘过程进行组织。
首先，有数据仓库的建立和数据挖掘的概述。
其次是关联规则的挖掘，后来就是挖掘结果的可视化等方面的内容。
在其中不仅有基本概念、原理、方法等。
还有对最新的方法的分析研究和提高等。
目录第一章数据仓库...51.1概论...51.2数据仓库体系结构...61.3数据仓库规划、设计与开发...61.3.1确定范围...71.3.2环境评估...71.3.3分析...71.3.4设计...71.3.5开发...81.3.5测试...81.3.6运行...81.4小结
2024/6/15 2:17:35
234KB
1
对其Excel数据进行关联规则分析之前需要对数据进行预处理：将表头去掉，并保存你所需要的数据，导入你所需要分析的Excel地址和‘Sheet1’，所得出的数据，即是你所需要的结果。
2024/6/9 10:12:23
37KB
1
经典的关联规则数据挖掘算法Apriori算法广泛应用于各种领域，通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。
2024/6/6 4:42:42
206KB
1
在移动机器人同步定位与构图(SLAM)问题中,在大规模复杂环境下,由于传统数据关联算法的速度和正确率随着地图规模的增长而降低,导致难以满足实时性和鲁棒性的要求。
为提高定位性能,根据联合相容分支定界(JCBB)算法,提出了一种改进的IJCBB数据关联算法用于移动机器人同步定位优化控制。
首先建立地图的KD树模型,生成优化候选路标集,以缩小关联搜索空间,提升关联速度;其次构造增补关联规则,对JCBB算法的初步关联结果进行增补再关联,提升关联正确率。
仿真结果表明:IJCBB算法的关联速度和关联正确率均优于传统关联算法,具有较高的实时性和鲁棒性。
为提高定位性能,根据联合相容分支定界(JCBB)算法,提出了一种改进的IJCBB数据关联算法用于移动机器人同步定位优化控制。
首先建立地图的KD树模型,生成优化候选路标集,以缩小关联搜索空间,提升关联速度;其次构造增补关联规则,对JCBB算法的初步关联结果进行增补再关联,提升关联正确率。
仿真结果表明:IJCBB算法的关联速度和关联正确率均优于传统关联算法,具有较高的实时性和鲁棒性。
2024/5/19 3:01:18
293KB
1
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
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
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