- 浏览: 211660 次
- 性别:
- 来自: 北京
文章分类
最新评论
-
zjc198805:
lz,用rest上传文件怎么实现啊?644952013@qq. ...
(转)REST介绍 -
jiandong2008:
能留个邮箱不?
(转)Hibernate性能调优(转载--作者:Robbin Fan) -
jiandong2008:
楼主还在不? 很多问题想请教 现在老大正要求我做hibern ...
(转)Hibernate性能调优(转载--作者:Robbin Fan) -
hificamera:
s3 = """hello, ...
python单引号、双引号和三双引号的区别(ZZ) -
ivyloo:
没意思!!!
代理模式、装饰模式和适配器模式
Classification
==============
#1. C4.5
Quinlan, J. R. 1993. C4.5: Programs for Machine Learning.
Morgan Kaufmann Publishers Inc.
#2. CART
L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification and
Regression Trees. Wadsworth, Belmont, CA, 1984.
#3. K Nearest Neighbours (kNN)
Hastie, T. and Tibshirani, R. 1996. Discriminant Adaptive Nearest
Neighbor Classification. IEEE Trans. Pattern
Anal. Mach. Intell. (TPAMI). 18, 6 (Jun. 1996), 607-616.
DOI= http://dx.doi.org/10.1109/34.506411
#4. Naive Bayes
Hand, D.J., Yu, K., 2001. Idiot's Bayes: Not So Stupid After All?
Internat. Statist. Rev. 69, 385-398.
Statistical Learning
====================
#5. SVM
Vapnik, V. N. 1995. The Nature of Statistical Learning
Theory. Springer-Verlag New York, Inc.
#6. EM
McLachlan, G. and Peel, D. (2000). Finite Mixture Models.
J. Wiley, New York.
Association Analysis
====================
#7. Apriori
Rakesh Agrawal and Ramakrishnan Srikant. Fast Algorithms for Mining
Association Rules. In Proc. of the 20th Int'l Conference on Very Large
Databases (VLDB '94), Santiago, Chile, September 1994.
http://citeseer.comp.nus.edu.sg/agrawal94fast.html
#8. FP-Tree
Han, J., Pei, J., and Yin, Y. 2000. Mining frequent patterns without
candidate generation. In Proceedings of the 2000 ACM SIGMOD
international Conference on Management of Data (Dallas, Texas, United
States, May 15 - 18, 2000). SIGMOD '00. ACM Press, New York, NY, 1-12.
DOI= http://doi.acm.org/10.1145/342009.335372
Link Mining
===========
#9. PageRank
Brin, S. and Page, L. 1998. The anatomy of a large-scale hypertextual
Web search engine. In Proceedings of the Seventh international
Conference on World Wide Web (WWW-7) (Brisbane,
Australia). P. H. Enslow and A. Ellis, Eds. Elsevier Science
Publishers B. V., Amsterdam, The Netherlands, 107-117.
DOI= http://dx.doi.org/10.1016/S0169-7552(98)00110-X
#10. HITS
Kleinberg, J. M. 1998. Authoritative sources in a hyperlinked
environment. In Proceedings of the Ninth Annual ACM-SIAM Symposium on
Discrete Algorithms (San Francisco, California, United States, January
25 - 27, 1998). Symposium on Discrete Algorithms. Society for
Industrial and Applied Mathematics, Philadelphia, PA, 668-677.
Clustering
==========
#11. K-Means
MacQueen, J. B., Some methods for classification and analysis of
multivariate observations, in Proc. 5th Berkeley Symp. Mathematical
Statistics and Probability, 1967, pp. 281-297.
#12. BIRCH
Zhang, T., Ramakrishnan, R., and Livny, M. 1996. BIRCH: an efficient
data clustering method for very large databases. In Proceedings of the
1996 ACM SIGMOD international Conference on Management of Data
(Montreal, Quebec, Canada, June 04 - 06, 1996). J. Widom, Ed.
SIGMOD '96. ACM Press, New York, NY, 103-114.
DOI= http://doi.acm.org/10.1145/233269.233324
Bagging and Boosting
====================
#13. AdaBoost
Freund, Y. and Schapire, R. E. 1997. A decision-theoretic
generalization of on-line learning and an application to
boosting. J. Comput. Syst. Sci. 55, 1 (Aug. 1997), 119-139.
DOI= http://dx.doi.org/10.1006/jcss.1997.1504
Sequential Patterns
===================
#14. GSP
Srikant, R. and Agrawal, R. 1996. Mining Sequential Patterns:
Generalizations and Performance Improvements. In Proceedings of the
5th international Conference on Extending Database Technology:
Advances in Database Technology (March 25 - 29, 1996). P. M. Apers,
M. Bouzeghoub, and G. Gardarin, Eds. Lecture Notes In Computer
Science, vol. 1057. Springer-Verlag, London, 3-17.
#15. PrefixSpan
J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and
M-C. Hsu. PrefixSpan: Mining Sequential Patterns Efficiently by
Prefix-Projected Pattern Growth. In Proceedings of the 17th
international Conference on Data Engineering (April 02 - 06,
2001). ICDE '01. IEEE Computer Society, Washington, DC.
Integrated Mining
=================
#16. CBA
Liu, B., Hsu, W. and Ma, Y. M. Integrating classification and
association rule mining. KDD-98, 1998, pp. 80-86.
http://citeseer.comp.nus.edu.sg/liu98integrating.html
Rough Sets
==========
#17. Finding reduct
Zdzislaw Pawlak, Rough Sets: Theoretical Aspects of Reasoning about
Data, Kluwer Academic Publishers, Norwell, MA, 1992
Graph Mining
============
#18. gSpan
Yan, X. and Han, J. 2002. gSpan: Graph-Based Substructure Pattern
Mining. In Proceedings of the 2002 IEEE International Conference on
Data Mining (ICDM '02) (December 09 - 12, 2002). IEEE Computer
Society, Washington, DC.
发表评论
-
python单引号、双引号和三双引号的区别(ZZ)
2010-01-16 15:07 5919先说1双引号与3个双引号的区别,双引号所表示的字符串通常要写成 ... -
高并发高流量网站架构
2008-06-20 11:39 0本文是作者在新浪爱问 ... -
数据挖掘资源汇总(转)
2008-05-23 17:36 2534Data Mining: What Is Data Minin ... -
从清华到香港的半年(转)
2008-04-04 23:26 1632——从清华到香港的半年 ... -
2007年计算机专业毕业生就业状况调查(转)
2008-04-04 23:23 25882007年计算机专业毕业生就业状况调查 文/卢旭成 特约记者 ... -
(转)计算机科学经典论文
2007-11-05 22:32 9965计算机科学经典论文 <script src=&qu ... -
(转)美国大学计算机专业前20名点评
2007-10-08 16:46 2478... -
(转)理解并使用 JSPWiki 中的权限控制
2007-09-10 08:15 3039理解并使用 JSPWiki 中的权限控制 理解并使用 JS ... -
(转)项目Wiki的选择和配置
2007-09-10 08:14 2452项目Wiki的选择和配置 ... -
(转)svn之trunk、branches、tags
2007-09-07 21:14 13322一直以来用svn只是当作cvs,也从来没有仔细看过文档,直到今 ... -
(转)Rails中文件上传
2007-09-03 20:25 3193Rail ... -
(转)在 Rails 上使用 Flickr
2007-09-03 19:56 1409在 Rails 上使用 Flickr Putting Fli ... -
(转)在Ubuntu中启用root帐户
2007-08-29 17:28 4402在Ubuntu中启用root帐户 Ubuntu中默认是关闭ro ... -
工商银行网上银行无法使用的解决方法
2007-08-08 16:19 2158网上银行不显示密码栏验证码 ,困扰了半年多,总算找到方法了,如 ... -
RIA
2007-07-31 00:08 1151传统三种实现:Flash ... -
X Window 服务器:Xorg XFree86 Xsun ( 均为X11实现)
2007-07-29 20:36 3533Xorg是一个允许用户通过简单的设置来使用图形界面环境的X ... -
(转)Ubuntu7.04 编译内核2.6.22.1
2007-07-29 14:52 1386原文地址:http://www.linuxidc.com/Li ... -
Ubuntu安装java jdk6
2007-07-28 23:08 3652使用Ubuntu安装jdk6,装了好几次,使用sudo apt ... -
(转)ubuntu 7.04 java 安装
2007-07-28 16:18 2186原文地址:http://www.zysun.com/ubunt ... -
(转)ubuntu7.04配置指南
2007-07-28 14:21 1758原文地址 :http://linux2006.lifelog ...
相关推荐
### 数据挖掘经典算法综述 #### 一、引言 数据挖掘是一门融合了数据库技术、统计学、机器学习等多个领域的综合性学科。随着信息技术的飞速发展,数据挖掘已成为企业和研究机构的重要工具,用于从海量数据中提取有...
以下是一些在标题和描述中提到的经典数据挖掘算法的详细说明: 1. C4.5:C4.5是ID3算法的升级版,由Ross Quinlan开发,主要用于决策树的构建。它通过信息增益和信息增益率来选择最佳属性进行划分,可以处理连续和...
数据挖掘十大经典机器学习算法,国际权威的学术组织 the IEEE International Conference on Data Mining (ICDM) 2006 年 12 月评选出了数据挖掘领域的十大经典算法: C4.5, k-Means, SVM, Apriori, EM, PageRank, ...
本书在介绍了数据挖掘原理的基础上,从实用的角度出发,详细地介绍了数据挖掘的经典算法。第1章从不同的角度对数据挖掘进行了介绍,第2章介绍了数据仓库技术的概念并给出了数据立方体的理论基础。第3章讲述了数据...
模式发现阶段则包括了各种数据挖掘算法的应用。而知识表达则关注于如何将挖掘出的模式以易于理解的方式呈现。 数据挖掘与其他相关技术的关系主要涉及数据挖掘与数据库知识发现、OLAP(在线分析处理)、人工智能和...
本资源包含一系列用Java编程语言实现的经典数据挖掘算法,这些算法是数据挖掘领域的基石,对于理解算法原理及应用具有很高的价值。 1. C4.5算法: C4.5是由Ross Quinlan开发的决策树学习算法,是对ID3算法的改进。C...
以下是关于数据挖掘算法的详细阐述: 一、数据挖掘的目标与类型 数据挖掘的目标包括分类、聚类、关联规则学习、序列模式挖掘、异常检测和回归分析等。其中,分类是将数据分为预定义的类别;聚类则是无监督学习,将...
数据挖掘是一种从海量数据中提取有价值知识的过程,而Apriori算法是数据挖掘领域中最为经典和基础的关联规则学习算法之一。它由Raghu Ramakrishnan和Ganesh Raghavan在1994年提出,主要用于发现数据库中频繁项集以及...
这是数据挖掘经典算法——Apriori算法(C实现),有详细的注释,希望能够与更多的朋友分享,谢谢!
通过阅读和理解这段代码,你可以更深入地了解Apriori算法的内部工作原理,并可能对其进行修改或扩展以适应不同的数据挖掘任务。对于学习数据挖掘或者关联规则挖掘的初学者,这是一个很好的实践资源。
第一部分给出了常用数据挖掘算法的介绍资料以及对应的C语言源代码,第二部分给出了实例应用的具体实例,第三部分分享了经典PPT教程。
本资料集包含的数据挖掘算法实例,将帮助我们深入理解这一领域的核心概念。 第一章《数据挖掘基本知识》会介绍数据挖掘的基本概念,包括定义、目标和应用领域。它可能涵盖数据挖掘的三大任务:分类、聚类和关联规则...
第七部分,数据结构与算法,讲解了如数组、链表、树、图等基本数据结构以及排序、查找等经典算法,这些都是有效解决数据挖掘问题的基础。 第八部分,SQL知识,介绍了SQL(结构化查询语言),它是处理关系数据库的...
本课程资料主要涵盖了数据挖掘的基本原理和算法实现,旨在帮助学习者掌握这一领域的核心概念。 首先,统计学习是数据挖掘的基础,它涉及到概率论、假设检验、回归分析等方法。"数理统计学教程(陈希孺+倪国熙).pdf...
数据挖掘是一种从海量数据中提取有价值知识的...总的来说,C4.5和随机森林作为数据挖掘中的经典改进算法,为理解和解决复杂数据问题提供了有力工具。通过不断的研究和优化,这些算法将继续在数据科学领域发挥重要作用。
在这个由袁博教授讲解的“数据挖掘理论与算法”课程中,我们将深入探讨这一领域的核心概念和实用工具。 首先,我们从基础理论开始。数据挖掘的目标是发现模式、关联规则和趋势,这可以通过分类、聚类、回归和关联...
十大经典数据挖掘算法由IEEE International Conference on Data Mining (ICDM)在2006年评选出,其中包括: 1. **C4.5**:这是一种决策树算法,是对ID3算法的改进。C4.5使用信息增益率代替信息增益来选择最佳划分...
本资源聚焦于Java实现的经典数据挖掘算法,涵盖了分类、关联分析、集成采矿、聚类、连接挖掘以及统计学习等多个方面。 首先,分类算法是数据挖掘中的核心部分,它根据已有的特征将数据分为不同的类别。常见的Java...