-
频繁项集挖掘算法
频繁项集挖掘算法，能在大量局部特征中发现频繁空间配置，这些空间配置可以作为词语，加入到特征包中进行分类，实现图像分类。
- 2022-03-23 21:38:47下载
- 积分：1
-
用python 做的网络数据爬虫
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.)
- 2020-02-25 18:34:31下载
- 积分：1
-
煤炭价格多元时序预测
说明： 内附源数据、代码及word。代码包括：平稳性检验、协整检验、滞后阶数的确定、VAR 模型的拟合、脉冲响应分析、VAR 模型的预测(Stationarity test, co integration test, determination of lag order, VAR model fitting, impulse response analysis, VAR model prediction)
- 2021-03-30 19:09:09下载
- 积分：1
-
妹子图
通过Python对妹子图网站的图片集进行爬取(Crawling the collection of images on the sister map site via Python)
- 2018-11-15 16:13:39下载
- 积分：1
-
python数据分析 韩波
一本python数据分析的优秀资料
《python数据分析》(python data analysis)，作者【印尼】Ivan Idris，翻译：韩波。
本人制作的PDF图书，带目录和书签。
作为一种高级程序设计语言，Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组、matplotlib和pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。, 本书示例丰富、简单易懂，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。(python data analysis)
- 2018-09-08 10:45:20下载
- 积分：1
-
FNN与PCA和KPCA结合
一种特征提取方法：结合主元分析(PCA)和核主元分析（KPCA）的前馈神经网络（FNN）(A feature extraction method: the feedforward neural network (FNN) combined with principal component analysis (PCA) and kernel principal component analysis (KPCA))
- 2020-09-18 10:27:53下载
- 积分：1
-
hierarchical-clustering
这段代码是层次聚类的Matlab实现代码(
This code is hierarchical clustering Matlab implementation code)
- 2016-10-16 10:43:09下载
- 积分：1
-
0262842
請用星號( )排列出下列的 p箭 星號 D案,輸入 Y料 ne txt中的第一行為箭 的上下高度(必為奇數),第二行為 D案的總寬度()
- 2018-05-28 18:54:24下载
- 积分：1
-
knn.py
kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。(Basic source application)
- 2018-10-30 16:50:13下载
- 积分：1
-
Java实现Apriori数据挖掘算法
Java实现Apriori数据挖掘算法,包内还有实例用的数据库
Apriori数据挖掘算法:先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。
请在jbuilder下编译 配好JDBC驱动
商品如果
买的表示为大写
没买表示为小写的
具体看GetSource.java
- 2022-10-02 14:05:03下载
- 积分：1
