商务智能与数据挖掘
想想虔诚怎么做
You only live once.
展开
-
商务智能与数据挖掘 - Apriori和挖掘频繁项集的模式增长方法
目录Apriori算法:通过限制候选产生发现频繁项集使用Apiori性质由L~2~产生C~3~由频繁项集产生关联规则提高Apriori算法的效率提高基于Apriori挖掘效率的算法挖掘频繁项集的模式增长方法步骤频繁模式增长的局限频繁模式增长的优势Apriori算法:通过限制候选产生发现频繁项集Apriori算法是挖掘布尔关联规则频繁项集的算法Apriori算法利用的是Apriori性质:频繁...原创 2019-10-18 20:39:11 · 965 阅读 · 0 评论 -
商务智能与数据挖掘 - 关联分析
Menu基本概念规则度量:支持度和置信度频繁项集、闭项集基本概念由事务数据库挖掘单维布尔关联规则Apriori算法原理例子挖掘频繁项集的模式增长方法挖掘闭模式和极大模式基本概念规则度量:支持度和置信度频繁项集、闭项集基本概念项的集合称为项集K项集:包含k个项的集合{牛奶,面包,黄油}是个3项集 项集的出现频度是指包含项集的事务数如果项集的出现频度大于(最小支持度×D中的事务总...原创 2019-10-16 23:16:40 · 1737 阅读 · 0 评论 -
商务智能与数据挖掘 - 衡量数据相似性和相异性
Menu标称属性的相异性度量二元属性的相异性度量二元属性的邻近性度量数值属性的相异性序数属性的相异性度量混合类型属性的相异性余弦相似性小结标称属性的相异性度量二元属性的相异性度量二元属性只有两种状态:0或1 ,其中0表示该属性不出现,1表示出现二元属性之间的相异性的计算。 如果所有的二元都被看做具有相同的权重(对称二元属性), 则i和j的相异性我们得到以下列表。对于非对称的二元属性,...原创 2019-10-16 22:54:44 · 2404 阅读 · 0 评论 -
商务智能与数据挖掘 - 认识数据
Menu数据对象和属性类型中心性度量 -- 众数中心性度量 -- 中列数数据的对称和偏斜数据的基本统计描述数据分散性度量:方差和和标准差方差和和标准差标准差的基本属性数据分散性度量:极差数据分散性度量 偏度(Skewness)数据分散性度量 峰度(Kurtosis)数据分散性度量:分位数数据分散性度量:五数概括数据可视化数据分散性度量:盒图衡量数据相似性和相异性 # 总结数据对象和属性类型中心...原创 2019-09-26 23:03:05 · 2096 阅读 · 0 评论