- 简介
- 目录大纲
- 最新文档
关联规则挖掘的 Apriori 算法
1.Apriori算法解读 关联规则挖掘算法大体分为两步： 首先找出所有频繁项集; 其次由频繁项集产生强关联规则。以表 10.1 的数据为例, 事先假定最小支持度 $$min_s$$=40%, 最小置信度$$mixn_c$$=70%。具体步骤如下： 找出所有频繁项集 Apriori采用逐层搜索迭代的方法。即在表10.1中找出每单一商品被购买的数量, 记为候选 1-项集$$c_1$$, 具体见表1……
张龙 - 2024年8月15日 09:53
基础知识
9.1.1 问题提出 离散型数据在实际应用中经常遇到。 例如，商品好坏、保险索赔次数、社会经济运行稳定与否等等都用离散型数据描述。 Logistic建模技术是分析离散型数据的常用方法之一。 二分类数据是常见的离散型数据之一。 例如，下表给出了流动人口居留意愿的调查数据。 这里，居留意愿的取值为0或1。 1代表有长期居留意愿，0代表没有长期居留意愿。那么，居留意愿的观测数据就是二分类数据。……
张龙 - 2024年8月15日 09:40
回归模型的基础知识
1问题提出 回归模型能够描述响应变量（或称因变量）和一个解释变量（或称自变量）之间的关系，也能描述响应变量和多个解释变量之间的关系，比较不同衡量尺度的变量之间的相互影响，帮助研究者、数据分析人员更深入分析变量之间联系。 考虑种河北春小麦的某户收入： 变量：某户收入（元）、土地（亩） 关系：某户收入 = 1500元/亩*10亩 = 15000元 河北春小麦亩产量设定为1000斤（一般在800斤……
张龙 - 2024年8月14日 17:11
数据变换
7.4.1 基础概念 在数据经过清理、集成与归约等步骤后，很可能需要进一步将数据进行规范化、离散化、分层化等操作，以提高模型拟合的程度，或使原始属性能够被更抽象或更高层次的概念代替。这些方法统一可以称为数据变换（Data Transform）。 ==数据变换==： 数据变换是采用线性或非线性的数学变换方法，将数据从一种表示形式变为另一种表现形式，以适合于各种数据挖掘模式的过程，使数据挖掘的……
张龙 - 2024年8月14日 16:38
第十六章 数据可视化
```mindmap 数据可视化 数据可视化的基础知识 可视化设计基础 数据可视化工具 ``` 数据可视化的基础知识 定义：数据可视化使用图形表示法来展示数据，使观察者能够快速识别模式、趋势和异常。 目的：其主要目的是简化复杂数据的解释，强调数据中的重要特征，或揭示数据间的潜在关系。 可视化设计基础 视觉编码：数据的属性通过视觉通道（如颜色、形状、大小）进行编码。 图表类型：根据数据的特点……
张龙 - 2024年8月14日 16:32