- 博客(6)
- 收藏
- 关注
RSS订阅原创 Neo4j 的安装与配置
初始的用户名和密码均是neo4j，输入密码，点击connect, 初次使用系统还会要求你改密码，到时候输入新密码即可。由于Neo4j是基于Java的图形数据库，运行Neo4j需要启动JVM进程，因此必须安装JAVA SE的JDK。变量值 = E:\Neo4j\neo4j-community-3.5.3 （这里设置为你自己的Neo4j主目录）可在控制台通过使用neo4j.bat文件启动服务器，该文件存放在主目录的bin文件夹中。1、bin目录：用于存储Neo4j的可执行程序；一、Neo4j 的安装与配置。
2024-02-27 15:42:41
639
原创 实验五、k-均值聚类算法
聚类的类数已知，设 k=3。////////////////////定义存储结构////////////////////////////////////////////初始化质心/////////////////////////////////////////更新质心//////////////////////////////////////////////读入数据////////////////////////////////声明函数//////////////////////////////
2024-02-27 15:29:18
1400
原创 实验四、贝叶斯决策分类算法
1）由 AllElectronics 顾客数据库类标记的训练样本集（元组）编程计算先验概率 P(Ci)和类条件概率 P(X|Ci)，并在实验报告中指出关键代码的功能和实现方法；4）计算训练样本中类条件概率：设特征（属性）向量为 X，编程计算类条件概率 P(X|Ci)，i=1，2；样本（元组）的个数 n i 与属于 C i 类的样本（元组）数 N i 之比，记为。
2024-02-27 15:28:38
1130
原创 实验三、应用 Apriori 算法挖掘频繁项集
首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁 1 项集的集合。算法在根据频繁 k-1 项集生成频繁 K 项集过程中要计算频繁 K 项集中每个元素的支持度，并计算 K 项集中每个 k-1 项子集是否在 Fk-1 中，上述两条任何一条不满足，则删去这个 K 项集中的元素。如果使用枚举的方法来寻找频繁集，那么工程量是巨大的，而Apriori算法基于先验性质，使用逐层搜索的迭代方法，利用k项集来探索k+1项集的方法来获取频繁集，大大减少了工作量，提高了运行效率。输入：事务数据库 D；
2024-02-27 15:27:51
634
原创 实验一、数据预处理
现实世界中的数据库极易受噪音数据、遗漏数据和不一致性数据的侵扰，为提高数据质量进而提高挖掘结果的质量，产生了大量数据预处理技术。（2）浏览拟被处理的的数据，发现各维属性可能的噪声、缺失值、不一致性等，针对存在的问题拟出采用的数据清理、数据变换、数据集成的具体算法。cout
2023-07-08 12:42:04
265
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人