98598152

r语言中关联规则代码实现 运用arulesViz包和arules包中的apriori函数(Code Implementation of Association Rule)

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.)

自己写的一个分形程序,支持动态编译表达式()

一个很实用的采用Neville算法的拉格朗日插值程序,(A very practical Lagrange interpolation program using Neville algorithm,)

分而治之方法与软件设计的模块化方法非常相似,为了解决一个大的问题,可以： 1) 把它分成两个或多个更小的问题； 2) 分别(The divide-and-conquer approach is very similar to the modular approach to software design. To solve a big problem, you can: 1) divide it into two or more smaller problems; 2))

牛顿插值法,选择插值节点文件,有点小麻烦()

运用支持向量机对一组超宽带非视距信号识别(Support Vector Machine Signal Identification)

一种神经网络算法：极限学习机（ELM)，包括分类和回归，仿真验证无误，适合初学者练习(A data mining algorithm: limit learning machine (ELM), including classification and regression, simulation verification is unmistakable, suitable for beginners to practice)

深度学习框架Keras入门资料，里面的代码包括课件和DEMO有利于新书入门学习，简单易懂(Keras Introductory Information of Deep Learning Framework, which includes courseware and DEMO, is helpful for introductory learning of new books. It is easy to understand.)

资源描述决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。其次，决策树方法计算复杂度不大，分类效率高，能够处理大数据量的训练集；最后，决策树方法的分类精度较高，对噪声数据有较好的健壮性，符合一般系统的要求。