搜索资源列表
C4.5
- 数据挖掘分类算法决策树C4.5数据挖掘分类算法决策树C4.5-data mining C4.5
C4.5
- 改进型的决策树算法，特别的实用，欢迎大家下载，也可以用到论文算法中-Improved decision tree algorithm, especially useful, welcome to download, you can also use paper algorithm
Tiki-5-Okt
- Visual Basic data mining program
AprioriCpuFlexarry
- 基于位表矩阵的Apriori算法，可以大幅缩小算法存储空间，减少读取文件次数。 测试文件格式为 “0 1 2 3 4 5 6 7 8 9 10 ”-Bitmap matrix of Apriori algorithm, the algorithm can significantly reduce storage space and reduce the number of times to read the file. Test file format " 012
Data-mining
- 5种Python数据挖掘算法：Bayes,Apriori,K-means,ID3,K-data mining of Python
C4.5
- C4.5算法的matlab实现，里面有标准数据集作为实例进行演示-C4.5 algorithm matlab implementation, which has a standard data set as an example to demonstrate
Douban
- scrapy爬虫，爬取豆瓣评分大于8.5分的电影名单，结果存储于MySql数据库。-scrapy reptiles, crawling watercress score greater than 8.5 of the list of films, the result is stored in the MySql.
ID3-and-C4.5
- ID3 and C4.5, such as data mining algorithms for classification
BreastCancer
- Code for Classification Accuracy of KNN, C4.5 and SVM algo in R
Code-for-c4.5
- R code for c4.5 implementation
Arch Model
- 金融时间序列分析 1. 采用Pandas从Yahoo网上下载上市公司的5到10年的日收盘数据，上证指数的日收盘数据。 2. 计算上市公司和上证指数的收益率， 3. 针对上市公司收益率进行ARMA建模，确定P和q，并对残差进行分析，最后向前预测多期，显示预测图。 4. 针对上市公司收益率进行ARCH建模，确定阶数，并对残差进行分析，最后进行预测。 5. 针对上市公司收益率进行GARCH建模，确定阶数，并对残差进行分析，最后进行预测。(use Arch Model to ananlyse
Crawler.tar
- 利用了python3.5编写了一个爬虫，爬取豆瓣上电影《声之形》的评论，并统计评论词的频率，制作了词云(Using python3.5 to write a crawler, climb the comments on the movie "sound shape", and statistics the frequency of the comment word, making the word cloud)
6475607
- 决策树算法C4 5源码, The directory Data contains some sample datasets M()
wnxmh
- 原题为： 1．有5栋5种颜色的房子 2．每一位房子的主人国籍都不同 3．这五个人每人只喝一个牌子的饮料,只抽一个牌子的香烟()
HSZPD
- 由于ID3算法在实际应用中存在一些问题,于是Quilan提出了C4 5算法,严格上说C4 5只能是ID3的一个改进算法,()
nmath.lib.bin-0.5
- 类似matlab的数学工具，功能强大，有很多功能，很实用。(Similar to Matlab's mathematical tools, powerful, a lot of functions, very practical.)
30490782
- 农夫过河的扩展,如一个农夫带5件物品,每次带2件()
raizd
- 用栈,顺序表实现四则运算,可以识别+,-, , ,和[],以#结尾,比如,5+6 3-1#,可以得到结果17()
数据挖掘各类算法
- apriori、id3、c4.5、fp树等算法的的python实现(Python implementation of apriori, id3, c4.5, FP Tree and other algorithms)
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算