关联规则挖掘
(一) Apriori
(二) FilteredAssociator
(三) FPGrowth
(四) GeneralizedSequentislPatterns
(五) PredictiveApriori
(六) Tertius
Cluster
(一) CLOPE
(二) Cobweb
(三) DBSCAN
(四) EM
(五) FarthestFrist
(六) FilteredClusterer
(七) HierarchicalClusterer
(八) MakeDesityBasedClusterer
(九) OPITCS
(十) sIB
(十一) SimpleKMeans
(十二) XMeans
Classfiers
bayes
(一) AODE
(二) AODEsr
(三) BayesLogisticRegression
(四) BayesNet
(五) ComplementNativeBayes
(六) DMNBtext
(七) HNB
(八) NativeBayes
(九) NativeBayesMultinomial
(十) NativeBayesMultinomialUpdateable
(十一) NativeBayesSimple
(十二) NativeBayesUpdateable
(十三) WAODE
functions
(十四) GaussianProcesses
(十五) IsotoniRegression
(十六) LeastMedSq
(十七) LibLINEAR
(十八) LibSVM
(十九) LineerRegression
(二十) Logistic
(二十一) MultilayerPerceptron
(二十二) PaceRegression
(二十三) PLSClassifier
(二十四) RBFNetwrok
(二十五) SimpleLogistic
(二十六) SMO
(二十七) SMOreg
(二十八) SPegasos
(二十九) VotedPerceptron
(三十) Winnow
lazy
(三十一) IB1
(三十二) IBk
(三十三) KStar
(三十四) LBR
(三十五) LWL 局部加权学习
meta
(三十六) AdaBosstM1
(三十七) AdditiveRegression
(三十八) AttributeSelectedClassifier
(三十九) Bagging
(四十) ClassificationViaClustering
(四十一) ClassificationViaRegression
(四十二) CostSenstiveClassfier
(四十三) CVParameterSelection
(四十四) Dagging
(四十五) Decorate
(四十六) END
(四十七) FilteredClassfier
(四十八) Grading
(四十九) GridSearch
(五十) LogitBoost
(五十一) MetaCost
(五十二) MutiBoostAB
(五十三) MutiClassClassifier
(五十四) MutiScheme
(五十五) nestedDichitmies
(五十六) ND
(五十七) ClassBalancedND
(五十八) DataNearBalancedND
(五十九) OrinalClassClassifier
(六十) RaceIncrementalLogistBoost
(六十一) RandomCommittee
(六十二) RandomSubSpace
(六十三) RegressionByDiscretization
(六十四) RotationForest
(六十五) Stacking
(六十六) StackingC
(六十七) ThresholdSelector
(六十八) Vote
mi
1) CitationKNN
2) MDD
3) MIBoost
4) MIDD
5) MIEMDD
6) MILR
7) MINND
8) MIOptimalBall
9) MISMO
10) MISVM
11) MIWrapper
12) SimpleMI
misc
1. HyperPipes
2. SerialIzedClassifier
3. VFI
ruler
① ConjunctiveRule
② DecisionTable
③ DINB
④ JRip
⑤ M5Rules
⑥ NNge
⑦ OneR
⑧ PART
⑨ Prism
⑩ Ridor
11 ZeroR
trees
a. ADTree
b. BFTree
c. DecisionStump
d. FT
e. ID3
f. J48
g. J48graft
h. LADTree
i. LMI
j. M5P
k. NBTree
l. RandomForest
m. RandomTree
n. REPTree
o. SimpleCart
p. UserClassifier
- 上一篇:Mahout系列之----kmeans 聚类
- 下一篇:排序算法
暂无评论
- 2013年11月(23)
- Mahout系列之----距离度量(59)
- hadoop 部署和调优(42)
- hadoop学习要点(32)
- 自然语言处理中的若干问题(24)
- HBase性能调优(22)
- Weka 算法大全(19)
- Lucene 自动补全(18)
- Mapreduce 框架解析(18)
- HDFS读写数据过程(17)
- 机器学习常用算法(17)
- hadoop学习要点(1)
- 自然语言处理中的若干问题(0)
- Weka 算法大全(0)
- 排序算法(0)
- Hadoop 数据排序(一)(0)
- HDFS读写数据过程(0)
- Mapreduce 框架解析(0)
- HBASE表设计(0)
- HBase压缩(0)
- HBase性能调优(0)
-
hadoop学习要点
开心一刻: 很全面!
-
抓住机会,实现愿望
yueyedeai: 学习辅导员(Java): 送你一支鲜花,感谢你能真实的分享你的成长,一个人的自知是促进他快速成长的源...
-
抓住机会,实现愿望
yueyedeai: 静雅(Java): 好!!!原来是师兄啊,我也听过邱老师的课哦,是挺深入的。呵呵,挺高兴有你这么个师...
-
抓住机会,实现愿望
tianyabanzhu: 好!!!原来是师兄啊,我也听过邱老师的课哦,是挺深入的。
-
抓住机会,实现愿望
jierui1220: 送你一支鲜花,感谢你能真实的分享你的成长,一个人的自知是促进他快速成长的源动力。我作为一个培训机构的...
-
抓住机会,实现愿望
yueyedeai: 回复 Wangmx86:谢谢!
-
抓住机会,实现愿望
Wangmx86: 说的好 哥顶你 太有才了
相关推荐
1. **Weka算法**:Weka(Waikato Environment for Knowledge Analysis)是新西兰怀卡托大学开发的一个开源数据挖掘工具,它包含多种预处理、分类、回归、聚类、关联规则和可视化算法。这些算法可以用于训练模型、...
Weka是一个流行的数据挖掘工具,它提供了多种强大的机器学习算法。本文将深入探讨Weka中包含的十大算法,包括AdaBoost、Apriori、C4.5、CART、EM、K-means、KNN、PageRank、SVM以及朴素贝叶斯。 1. AdaBoost...
标题:“Weka中EM算法详细解析” 描述:“深入解析Weka中的EM算法,内容详尽,值得学习。” 根据给定的文件信息,我们将探讨Weka中EM算法的关键知识点,包括其在Weka框架中的实现、EM算法的工作原理、以及算法在...
【标题】"weka-src.rar_lovely863_weka_weka算法代码实现" 提供的是一个关于Weka机器学习库的源代码实现,由用户lovely863分享。这个压缩包包含了Weka中各种算法的Java实现,是深入理解和学习Weka以及其算法的好资源...
数据挖掘工具Weka是开源社区的一个重要成员,它提供了丰富的数据挖掘算法,涵盖了从数据预处理、分类与回归、聚类到关联规则等多个领域。在本文中,我们将深入探讨这些算法及其在Weka中的应用。 首先,数据输入和...
最新版本的Weka包含的挖掘算法,比如说FP-Ttree算法
在数据挖掘领域,Weka是一个广泛使用的开源工具,它提供了大量的机器学习算法和数据预处理功能。本主题聚焦于如何向Weka中添加新的算法,这通常涉及到对源代码的扩展和修改,以便将自定义的算法集成到这个强大的平台...
本工具包集成了Weka中最新的分类和聚类算法,将其打包成jar包,方便java开发者调用
Weka 算法参数整理 Weka 是一个开源的机器学习软件,提供了多种机器学习算法和数据预处理工具,本文档将对 Weka 中的关联算法和聚类算法的参数进行整理和解释。 1. 关联算法 关联算法是指从数据中挖掘出有趣的...
Weka 中算法说明 Weka 是一个功能强大且免费的数据挖掘工具,提供了许多机器学习算法来处理各种数据挖掘任务。下面我们将对 Weka 中常用的算法进行说明。 数据输入和输出 在 Weka 中,可以使用 WOW() 函数来查看 ...
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考...基于java的垃圾短信分类weka处理算法源码+项目说明.zip
你可以基于WEKA已有的ID3算法代码来编写你的新算法,或者完全从头开始编写。在修改和优化代码后,确保没有编译错误,保存你的工作。 接下来,为了让新算法能够在WEKA的Explorer模式中使用,你需要编辑配置文件。...
标题 "MyEclipse集成weka并添加新算法" 涉及的知识点主要集中在如何在MyEclipse环境中配置和使用Weka数据挖掘工具,并且详细讲述了如何为Weka添加自定义的机器学习算法。 首先,要集成Weka,你需要一个有效的Java...
Weka是一个强大的工具,提供了多种机器学习算法,包括神经网络,用于数据挖掘和模式识别任务。 首先,我们要理解神经网络的工作原理。神经网络是一种模仿人脑神经元结构的计算模型,由输入层、隐藏层和输出层组成。...
JAVA课设使用weka包算法代码