频繁项集挖掘算法--FPGROWTH算法

数据挖掘经典算法，频繁项集挖掘经典算法，FPGROWTH算法，源码中有详细说明

weka是一个很优秀的数据挖掘软件，可以把weka作为程序包打入工程中，基本想要的功能很快就能实现

数据挖掘经典算法，频繁项集挖掘经典算法，CFPGROWTH算法，JAVA实现，代码中有详细注释

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！

Eclat算法是一种深度优先算法,采用垂直数据表示形式,在概念格理论的基础上利用基于前缀的等价关系将搜索空间(概念格)划分为较小的子空间(子概念格)。Eclat算法采用方法二计算支持度。对候选k项集进行支持度计算时,不需再次扫描数据库,仅在一次扫描数据库后得到每个1项集的支持度,而候选k项集的支持度就是在对k-1项集进行交集操作后得到的该k项集Tidset中元素的个数。本算法利用diffset数据格式实现。

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。 

数据挖掘算法，高效用项集挖掘算法，加权频繁项集挖掘，HUIMINER算法，源码中有详细注释

关于大数据的论文，对稀疏表示分类有很大的帮助，希望对初学者哟帮助

朴素贝叶斯分类的分类器实现，使用的是matlab语言。内含测试集和训练集，可直接运行，readme.txt文件中说明了数据格式

资源描述利用分类算法实现对文本的数据挖掘，主要包括： 1. 语料库的构建，主要包括利用爬虫收集Web文档等； 2. 语料库的数据预处理，包括文档建模，如去噪，分词，建立数据字典， 使用词袋模型或主题模型表达文档等； 注：使用主题模型，如LDA可以获得实验加分； 3. 选择分类算法（如朴素贝叶斯、SVM等），训练文本分类器，理解所选 的分类算法的建模原理、实现过程和相关参数的含义； 4. 对测试集的文本进行分类 5. 对测试集的分类结果利用正确率和召回率进行分析评价。