Spider_baiduvideo

Java实现Apriori数据挖掘算法,包内还有实例用的数据库 Apriori数据挖掘算法:先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。 请在jbuilder下编译 配好JDBC驱动 商品如果 买的表示为大写 没买表示为小写的 具体看GetSource.java

一种特征提取方法：结合主元分析(PCA)和核主元分析（KPCA）的前馈神经网络（FNN）(A feature extraction method: the feedforward neural network (FNN) combined with principal component analysis (PCA) and kernel principal component analysis (KPCA))

说明：  聚类评价指标的各种说明，非常详细，请仔细阅读。(Cluster evaluation indicators of various descriptions, very detailed.)

说明：  分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)

一个833分酒问题的求解,C++编写,简单易读,输出最佳路径解,()

说明：  机器学习实战中文英文pdf+数据集+代码(Practice of machine learning)

将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)

插值抽取的内容,数字变频用, 分享了,请高手完善指教,()

包含很多知名算法实现，支持向量机，决策树，粗糙集，贝叶斯分类器等，适合学术研究，短评论意见挖掘，文本分类等。

说明：  基于股票数据的神经网络，关于结算的预测，通过遗传算法加以改进(Based on the neural network of stock data, the prediction of settlement is improved by genetic algorithm)