搜索资源列表
apriori
- apriori算法的python实现，实现最大频繁项集挖掘，和关系的推导-apriori algorithm python, achieving derive maximum frequent itemsets mining, and relationships
apriori
- apriori算法的python实现以及相关实验数据-machine learning algorithm apriori
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
Fp_tree_test
- FPtree算法比apriori算法处理速度快，基于python实现，共同学习吧(FPtree algorithm apriori algorithm is more than adept at handling large data)
mi02fptree
- 实现关联规则挖掘的两个算法源码，封装完整，易读易用，包含测试数据(The two algorithms to implement association rules mining are complete package, easy to read and easy to use, including test data)
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来