登录
首页 » Python » my_apriori

my_apriori

于 2018-11-14 发布 文件大小:1KB
0 283
下载积分: 1 下载次数: 4

代码说明:

  很好用的关联规则挖掘经典算法,推荐使用。包括支持度、置信度、提升度,输出结果到excel文件(Good use of association rules mining classic algorithm, recommended)

文件列表:

my_apriori.py, 4521 , 2018-11-01

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • rdqern
    脉动风速功率谱估计,并与标准风谱进行对比()
    2018-05-25 15:20:02下载
    积分:1
  • Spider_baiduvideo
    利用urllib.request进行爬虫, 下载百度视频页面的所有图片保存到本地(Use urllib.request for crawl. Download all the pictures from Baidu video page to local.)
    2018-04-02 18:32:19下载
    积分:1
  • 决策树Java源代码
    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。
    2022-03-12 14:04:11下载
    积分:1
  • python 实现随机森林
    应用背景 数据   :两个月之内 40000个客户的15个数据字段   包含客户的 地          理位置,职业,职级,年收入,。。。。。。    购买过得产品 目的:对新客户进行推荐一个适合该客户的产品, 对老客户推荐可能再购买的产品 数据处理    数据清洗:   describe 每个特征统计分析       方差     -分析缺陷特征和波动性                 空值赋值为  “-1 “              -  保证模型的可使用    数据归一化:eg:邮编 相似度不高 根据一线二线….进行划分  – 特征的重要性 关键技术特征选择    随机森林:  判断特征的重要性 :思考为何重要性高     AHP    :  迭代设置每个特征的权重 模型选择   :根据数据量数量,是否有标签,分类or回归选取 关于模型选择时候我想用协同过滤  但是不知道关于特征的协同过滤是怎么执行的   是每个特征都有一个评分构成评价矩阵么?
    2022-02-25 17:28:51下载
    积分:1
  • my_apriori
    很好用的关联规则挖掘经典算法,推荐使用。包括支持度、置信度、提升度,输出结果到excel文件(Good use of association rules mining classic algorithm, recommended)
    2018-11-14 15:51:16下载
    积分:1
  • MqnieCarlo
    MonteCarlo仿真的C++源码,具有参考价值(C source code of MonteCarlo simulation, which has reference value)
    2018-08-03 21:25:08下载
    积分:1
  • KKDZSXX
    扩展卡尔曼滤波与无迹卡尔曼滤波的跟踪滤波性能的比较()
    2020-10-08 14:57:36下载
    积分:1
  • test_lstm
    说明:  简单的LSTM进行预测,附带数据集方便测试(simple test of LSTM is used for prediction , and related datasets is attached in the file.)
    2020-08-30 16:28:10下载
    积分:1
  • AP聚类算法和案例
    ap聚类算法实现三维数据点的分类,demo为案例(AP clustering algorithm realizes the classification of data points, demo as a case.)
    2020-11-26 11:49:31下载
    积分:1
  • Hands-on programming with R
    说明:  本书精心策划了三个虚拟项目,将数据科学家必需的专业技能融合其中,教会读者如何将数据存储到计算机内存中,如何在必要的时候转换内存中的数据值,如何用R编写自己的程序并将其用于数据分析和模拟运行。读者将跟随世界一流的RStudio培训师掌握宝贵的编程技能,并借助这些技能成为优秀的数据科学家。(Introduction to R Language)
    2019-05-30 15:04:30下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载