基于机器学习的数据挖掘算法研究

机器学习中的关联规则挖掘算法

机器学习领域中，关联规则挖掘算法是至关重要的研究方向。其中最具有效性和影响力的算法包括Apriori、DHP、PARTITION和FPGrowth。这些算法在数据挖掘和模式识别中发挥着重要作用，帮助分析数据集中的关联规则和模式。

算法与数据结构 2 2024-07-13

机器学习和数据挖掘算法 - Python 实现

支持向量机 旋转森林 随机森林 PCA LDA 朴素贝叶斯 粒子群算法 QDA 决策树 知识网络 功能选择 随机森林 BPSO 包囊方法 装袋 AdaBoost 梯度提升 XGBoost 堆码

数据挖掘 4 2024-05-15

机器学习数据挖掘十大算法介绍

这份82页的幻灯片详细介绍了10种经典机器学习算法，包括它们的应用场景、优缺点以及实际应用案例。

算法与数据结构 3 2024-05-01

数据挖掘与机器学习回归算法优化实验

数据挖掘和机器学习领域中，回归算法广泛应用于预测连续数值型输出。回归分析帮助理解输入变量对输出变量的影响，在金融预测、销售预测和天气预报等实际问题中至关重要。实验“数据挖掘与机器学习：回归算法优化”包括线性回归、逻辑回归、多项式回归、岭回归与Lasso回归、支持向量回归（SVR）、随机森林回归和梯度提升回归（GBRT）等内容。评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²），同时介绍模型选择与调参方法。聚类算法如K-means也可能作为预处理步骤。

数据挖掘 0 2024-08-24

基于 ICA 的异常数据挖掘算法研究

提出了基于影响函数的异常数据检测方法，该方法通过投影分析来分离观测数据中的异常成分，有效消除脉冲噪声。实验结果验证了该方法在异常数据检测方面的可靠性和有效性。

数据挖掘 3 2024-05-28

数据挖掘与机器学习中聚类算法的应用

聚类算法用于无监督学习，将没有明确分类映射关系的物品分组，解决了没有历史数据时对物品分类的需求。例如，可应用于客户价值划分、网页归类等场景。

数据挖掘 5 2024-04-30

数据挖掘机器学习

使用 Spark、PySpark、Spark 管道、Jupyter Notebook 学习数据挖掘机器学习

数据挖掘 4 2024-05-15

Weka: 基于Java的开源机器学习与数据挖掘平台

Weka (怀卡托智能分析环境) 是一款开源的机器学习和数据挖掘软件，基于Java环境开发。它提供数据预处理、关联规则分析等功能，是SPSS Clementine等商业软件的免费替代方案。

算法与数据结构 2 2024-05-31

机器学习与数据挖掘的探索

这篇文章的内容较为概要，主要用于初学者入门。

数据挖掘 3 2024-07-17