發(fā)簡信
IP屬地：廣東
-
Various classifier comparisons on NSL-KDD加載數(shù)據(jù) 分類器 評估
-
Imbalanced-learn for NSL-KDDRawData Over-sampling RandomOverSample SMOTE ADASYN BorderlineSMOTE Unde...
-
FP-growth
FP-growth(頻繁模式增長) 數(shù)據(jù)庫的第一遍掃描用來統(tǒng)計出現(xiàn)的頻率葬燎；第二遍掃面中考慮那些頻繁元素 優(yōu)點： 大約比Apriori算法快一個數(shù)...
-
Apriori算法
關(guān)聯(lián)分析概念： 關(guān)聯(lián)分析是一種在大規(guī)模數(shù)據(jù)集中尋找有趣關(guān)系的任務(wù)渡蜻；目標(biāo)是發(fā)現(xiàn)頻繁項集和發(fā)現(xiàn)關(guān)聯(lián)規(guī)則； 頻繁項集：是經(jīng)常出項在一塊的物品的集合眠蚂； ...
-
K-Means
原理 聚類是無監(jiān)督學(xué)習(xí)辐董，將相似的對象歸到同一個簇中甚亭，簇內(nèi)的對象越相似，聚類的效果越好怔匣； 首先握联，隨機(jī)確定K個初始點作為質(zhì)心桦沉； 然后，將數(shù)據(jù)集中的每...
-
樹回歸原理： 將數(shù)據(jù)集切分成很多份易建模的數(shù)據(jù) 利用線性回歸技術(shù)建模 優(yōu)點 可以對復(fù)雜和非線性的數(shù)據(jù)建模 缺點 結(jié)果不易理解 適用數(shù)據(jù)類型 數(shù)值型和標(biāo)...
-
回歸線性回歸 原理： 尋找一組最優(yōu)參數(shù)來擬合數(shù)據(jù) 優(yōu)點 結(jié)果易于理解金闽，計算上不復(fù)雜 缺點 對非線性的數(shù)據(jù)擬合不好 適用數(shù)據(jù)類型 數(shù)值型和標(biāo)稱型數(shù)據(jù) ...
-
提升方法(boosting)
原理： 通過改變訓(xùn)練樣本的權(quán)重纯露，學(xué)習(xí)多個分類器，并將這些分類器進(jìn)行線性組合代芜，提高分類的性能埠褪； bagging是通過隨機(jī)抽樣的替換方式，得到與原數(shù)...
-
天池o2o優(yōu)惠券使用預(yù)測比賽解析（初級）
天池o2o優(yōu)惠券使用預(yù)測比賽解析（初級） 賽題鏈接： 天池o2o優(yōu)惠券使用預(yù)測 加載數(shù)據(jù) 缺失值處理 統(tǒng)計 比賽的意義是把優(yōu)惠券給那要購買商品卻...