tbinjiayou

采用递归的分治法构造决策树，每次依据最优划分属性的属性值，将当前层的全集S划分为若干个子集，并采用相同方法对子集构造决策树。决策树算法包括两部分：树的构建和树的剪枝。怎样的决策树才是最优的？基本的原则是使最后构造出的决策树规模最小。基于这个基本原则，我们启发式地定义规则为使分割后得到的子节点纯度最大。于是属性选择规则问题就转化为了纯度定义的问题。利用熵(Entropy)的概念去描述“不

算法思想为了将集合S分成k个类，可以先选取k个中心点，将S中样本划分到其中的某个类别中，然后对划分的k个类重新选择中心点，进而重新划分，直至中心点稳定。算法伪代码List K_means(DataSet S, int k){ List new_centrio_list = Select_init_centriole(S, k); // 选取初始的k个中心点 do { ce

信息检索和网络数据领域（WWW, SIGIR, CIKM, WSDM, ACL, EMNLP等）的论文中常用的模型和技术总结引子：对于这个领域的博士生来说，看懂论文是入行了解大家在做什么的研究基础，通常我们会去看一本书。看一本书固然是好，但是有一个很大的缺点：一本书本身自成体系，所以包含太多东西，很多内容看了，但是实际上却用不到。这虽然不能说是一种浪费，但是却没有把有限力气花在刀口上。我所

基本原理       贝叶斯分类是基于贝叶斯公式的一种分类方法，它是通过先验知识和似然函数来估计后验概率。其公式如下：P(H | X) = P(X | H)*P(H) / P(X)，其中H是假设，在分类中也就是判定的某种类别，X是证据向量，在分类中也就是n维的特征向量值，一般写作X=(x1, x2, ..., xn)。       因此对于一个给定的X，我们可以通过贝叶斯公式针对每种假设H

挖掘频繁模式是挖掘频繁出现在数据集中的模式。Apriori算法是用于挖掘频繁项集的经典方法。所谓频繁项集也就是出现频度不低于最小支持度阈值support的项集，support可以是绝对支持度（频度），也可以是相对支持度（频率）。支持度support：包含该项集或者模式的样本在全体样本中出现的次数（绝对）或所占的比例（相对）。Apriori算法原理         为了挖掘频繁K项集，用Lk