数据挖掘笔记

最新推荐文章于 2024-09-13 17:02:14 发布
最新推荐文章于 2024-09-13 17:02:14 发布
阅读量110 收藏
点赞数
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40019485/article/details/105082536
版权

Datawhale数据挖掘Task2


决策树
一般地，一棵决策树包含一个根节点，若干个内部结点和若干个叶节点；叶结点对应于决策结果，其他每个结点对应于一个属性测试。
信息增益
“信息熵”是度量样本集合纯度最常用的一种指标。

Ent(D)的值越小，则D的纯度越高。

一般来说，信息增益越大，意味着使用属性a来进行划分所获得的“纯度提升”越大，因此，我们可以使用信息增益来进行决策树的划分属性选择。信息增益最大，选为划分属性。

基尼指数

剪枝
去掉一些分支，降低过拟合的风险
分为预剪枝和后剪枝

连续值处理

OFWIZARD
关注
数据挖掘学习笔记
codexxs 的博客
04-21 3248
第一章 python基础 1.4 python基本数据类型 #1.41数值类型 int,float,bool(True) #1.42字符串str s1='abcd' s2='''ab cd''' 1.4.3列表List L1=[1,'a1',2,'aa'] #[1, 'a1', 2, 'aa'] 1.4.4元组Tuple 处在元组中的元素不能修改 T1=(1,'a1') T1=(1,'C1','A1') #(1, 'C1', 'A1') T1[1]=2 # 'tuple' object
数据挖掘笔记——数据集成
renqianying325的博客
10-08 1470
对来自多个数据存储的数据进行集成。 1.实体识别问题 数据集成是将来自多个数据源的数据进行合并存放在一个一致的数据存储中。数据集成时涉及到实体识别问题，如何确保一个实体对应不同名字可以最终映射到同一个名字上？ 2.冗余和相关分析 一个属性如果可以由另一个或者 另一组属性导出，那可能这个属性就是冗余的。 有些冗余可以被相关分析检测到，对于标称数据可以用卡方检测，对于数值属性可以用相关系数和协方差。 1）标称数据的卡方检验 2)数值数据的相关系数 对于数值数据，计算属性A 和B的相...
信息增益，信息增益率，Gini
suibianshen2012的专栏
09-27 3136
信息增益： 首先，计算总系统的熵， 然后，当某特征固定时，会将系统分成几个（此特征的可能值数目）子系统，分别计算每个子系统的熵，方法同上； 而后，将几个子系统的熵加起来，便是“当不包含此特征”时系统的熵； 最后，以上两个“包含”和“不包含”此特征情况下系统的熵的差值便是此特征的信息增益。 Gini 系数： 某个节点的Gini不纯度计算： 比如，某节点A样本分属
【数据挖掘笔记】基础知识
越努力，越幸运
10-24 2134
属性可以是标称的、二元的、序数的或数值的 分位数：取自数据分布的每隔一定间隔上的点。如，2-分位数（对应中位数）将数据分布划分为高低两半，4-分位数将数据分布划分为4个相等部分。 四分位数极差：第一个和第三个四分位数之间的距离。 方差与标准差：度量数据散布程度，低标准差——数据观测趋向均值，高标准差——数据散布在一个大的值域中 截尾均值trimmed mean：丢弃高低极端值（避免丢弃太多）后的均值 中列数midrange：最大值和最小值的平均值 正倾斜、负倾斜 极差：最大值与最小值之差
数据挖掘笔记1
2301_80618119的博客
01-22 2110
把服务器当作一种资源，随着访问需求变化，从云计算的服务商地方租，使利用率变高。一个一个单独的elements/items，两两去聚。聚类：把一堆数据分为一组一组的（没有标签）把问题进行切分，分配到不同的处理器上。
《数据挖掘导论》归纳笔记
aha_xigua的博客
07-11 8075
在大型数据存储库中，自动地发现有用信息的过程。二、数据挖掘要。
数据挖掘笔记：关联规则
a44267113的博客
12-05 2529
关联规则，就是找到一堆东西中隐藏着的关系
数据挖掘笔记——进化计算
weixin_45170049的博客
12-15 940
注：以上笔记参考学堂在线清华大学《数据挖掘：理论与算法》课程视频
数据挖掘笔记（一）-清华大学-数据挖掘：理论与算法
永远的Violet的博客
11-23 541
这里写自定义目录标题 #数据挖掘笔记（一） 本笔记在学习“清华大学-数据挖掘：理论与算法”时记录 数据储量急剧增加，在2000年后数据发生了从模拟到数字的显著转变。 同时，算力也在大幅度增长。 数据挖掘相关的顶级会议： International Conference on Data Mining International Conference on Data Engineering International Conference on Machine Learning International
数据挖掘笔记——集成学习
weixin_45170049的博客
12-02 1083
注：以上笔记参考学堂在线清华大学《数据挖掘：理论与算法》课程视频
数据挖掘笔记01-031
08-03
在数据挖掘笔记01-031中，主要涉及了数据预处理、SQL查询、在线分析处理（OLAP）以及了解数据等核心概念。 1. 数据预处理： 数据预处理是数据挖掘的关键步骤，它包括了数据清洗、数据集成、数据转换和数据规约四大...
数据挖掘笔记07-091
08-03
数据挖掘笔记07-091摘要 本节笔记主要讲解了数据挖掘中分类算法的两种主要方法：Classification I和Classification II。下面是本节笔记的详细知识点总结： Classification I 在Classification I中，我们讨论了三...
数据挖掘笔记041
08-03
数据挖掘中的数据立方体是一种用于分析大量多维数据的高效工具，尤其在在线分析处理（OLAP）中广泛应用。数据立方体的构建是数据仓库和OLAP系统的核心组成部分，它能够快速响应用户的多角度查询，提供决策支持。 ...
数据挖掘笔记11-121
08-03
这篇笔记主要涵盖了数据挖掘中的聚类分析，这是数据挖掘中无监督学习的一种重要方法。 1. 聚类分析简介：聚类分析是将数据集中的对象按照它们的相似性或距离进行分组，使得同一组内的对象彼此相似，而不同组之间的...
数据挖掘笔记思维导图1
08-04
数据挖掘是信息技术领域的一个关键分支，它涉及到从大量数据中提取有用信息，形成知识和洞察。数据挖掘的任务主要分为三类：分类、预测型任务和描述型任务。分类任务是根据已有特征将数据对象归入预定义的类别；预测...
【机器学习(三)】分类和回归任务-随机森林-Sentosa_DSML社区版
qq_45586013的博客
09-11 1348
随机森林算法解决分类和回归问题
机器学习运维工程师 MLOps Engineer
Niki2020_2017的博客
09-11 685
MLOps工程师是机器学习项目的核心支撑者。他们构建、维护和优化机器学习解决方案，确保算法按预期运行。具备数据科学、软件工程和行业专长等广泛技能的MLOps工程师，利用机器学习技术解决业务问题。他们还负责开发新模型和改进现有模型，致力于提升机器学习在实际环境中的应用效果。MLOps工程师是研究与生产之间的桥梁，确保数据科学家开发的模型能够大规模运行。
机器学习--卷积神经网络（包括python实现）
最新发布
ID246783的博客
09-13 492
首先我们要知道channel是什么意思，。我们来举个例子，在计算机视觉中，如果一张图片是黑白的，那么每个像素点都是有一个信息也就是这个像素点的灰度。但是对于一张彩色图片来说，每个像素点都是由三个信息叠加而成的，也就是RBG三个颜色的“灰度”。于是我们对黑白照片操作变成矩阵的时候，我们就会直接将灰度拿来用，把它变成一个二维的矩阵。而对于彩色照片来说，我们就会建立一个高为3的三维张量来存储这个图片。这里的所谓“高度3”就是我们的channel。
车辆检测与分类系统源码分享
xuehaikj的博客
09-13 1085
数据集信息展示在本研究中，我们采用了名为“comexit”的数据集，以支持对YOLOv8模型在车辆检测与分类任务中的改进。该数据集专注于交通工具的识别，特别是公共交通和货运车辆，具有明确的应用背景和实用价值。数据集的类别数量为三，具体包括“bus”（公交车）、“car”（小汽车）和“truck”（卡车）。这三类车辆在城市交通和物流系统中扮演着重要角色，因此，准确的检测与分类对于交通管理、智能交通系统以及自动驾驶技术的发展具有重要意义。
python数据挖掘笔记
08-25
- *2* *3* [python数据挖掘笔记](https://blog.csdn.net/djm82755/article/details/101452842)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值