BIC确定GMM聚类簇数

Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

数据挖掘中编写C语言程序数据预处理，读取文本文件中的数据，使用链表，并输出该组数据的按平均值、中值、边界值平滑的结果。若分箱时数据缺失则用最后的值复制代替，还要找出程序中的离群点，要求程序符合结构化程序设计风格，关键地方需加注释。完美实现！

在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)

1基于MapReduce的K-Means聚类算法， 2基于MapReduce的分类算法 3MapReduce的频繁项集挖掘算法(1 K-Means clustering algorithm based on MapReduce, 2 classification algorithm based on MapReduce 3 Mining Algorithm for frequent itemsets based on MapReduce)

说明：  用python 做的网络数据爬虫，爬取淘宝数据，并分析。(Use Python to do the network data crawler, crawl the Taobao data, and analyze.)

数据挖掘经典算法，频繁项集挖掘经典算法，TWOPHASE算法，源码中有详细注释

人工智能中,经典的基于小波变换的图像处理和图像去噪的解决办法,可下载后观摩使用(In artificial intelligence, the classical image processing and image denoising based on wavelet transform can be downloaded and used)

《从零开始学爬虫》的配套资料（PPT和源码）("Learning Reptiles from Zero" (PPT and Source))

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？

通过优化的k-means算法 采用了密度和优化评测函数实现了对Iris等数据集的聚类。