搜索资源列表
数据挖掘
- 这是有关数据挖掘的c程序，是学习fp_tree的经典入门c程序，非常适合初学者学习使用
project
- 数据挖掘，推荐系统，堆叠降噪自编码器，逻辑回归(Data mining, recommender systems, stack noise reduction, self coder, logic regression)
32216428
- 计算机的数据挖掘领域聚类分析方面的算法介绍()
ONYNS
- 我们老师上课用的课件,主要是将数据挖掘的可视化的内容的～～满好的()
40920294
- IBM实验室提供的数据集生成器源码,可以数据挖掘中经常使用的关联规则数据集,()
oiaine-scroll
- 综合了数据挖掘的均值算法和中值算法,带有一个小的测试数据集合()
数据挖掘pro
- 本项目的具体问题是关于时间序列数据趋势预测。具体的应用场景是电子商务。现在要求您对118天到146天的每天100个关键产品进行销售量预测。(In this project, you are asked to study the general topic of time-series data mining, and specifically for time-series data trend prediction.)
pemplementpsemijoin
- 这是数据挖掘算法的cubist算法的具体实现 运行在dos下()
PLS
- 一种数据挖掘算法：部分最小二乘法（PLS)，实测无误，适合初学(A data mining algorithm: the partial least square method (PLS), which is unmistakable and suitable for the initial study)
11560948
- 数据挖掘中的重要算法：自回归滑动平均时间序列算法,用于时序数据挖掘()
50321258
- 数据挖掘算法很多,其中支持向量机算法是目前使用新的方法,得到广泛使用()
volatile__gtyles
- 数据挖掘中的聚合层次聚类算法,有完整的注释()
szcve__architecture
- 数据挖掘讲义第二章数据预处理,PDF文件大小约600K()
ZQNJHPR
- IBM实验室提供的数据集生成器源码,可以数据挖掘中经常使用的关联规则数据集,()
apriori
- apriori算法，matlab，大数据挖掘(The libsvm used for handwritten digit recognition, data uci . You can go to uci datasets sites directly download semeion.data. The data can be called directly after putting into the folder.)
R Quant
- 《量化投资与R语言》本书资料，适合量化投资数据挖掘初学者(Information in this book<Quantitative investment and R language>)
spss数据挖掘
- 该资料包含经典电子书籍spss数据挖掘方法的影印版(This material contains a photocopy of the classic e-book spss data mining method.)
利用Python进行数据分析
- 数据挖掘python语言的学习资料，包括常用算法的实现和工具的使用(Data Mining Pthon Language Learning Materials, including the Implementation of Common Algorithms and the Use of Tools)
Python数据分析与挖掘实战
- 本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。(There are 15 chapters in this book, which are divided into two parts: the basic c
数据挖掘导论 完整版
- 讲解数据挖掘中用到的基本算法，描述了算法的数学原理，以及实际应用(Explain the basic algorithm used in data mining, describe the mathematical principle of the algorithm, and practical application)