weka 算法大全

本文详细介绍了Weka中用于关联规则挖掘的算法,如Apriori、FPGrowth等,以及各种聚类算法,如CLOPE、DBSCAN和KMeans。同时,还涵盖了多种分类器,包括贝叶斯、决策树和懒惰学习方法。通过这些核心技术类目,读者可以深入了解Weka在数据挖掘中的应用。
摘要由CSDN通过智能技术生成

关联规则挖掘

 

(一)  Apriori 

 

(二)  FilteredAssociator 

 

(三)  FPGrowth 

 

(四)  GeneralizedSequentislPatterns

 

(五)  PredictiveApriori

 

(六)  Tertius 

 

Cluster 

 

(一)  CLOPE

 

(二)  Cobweb 

 

(三)  DBSCAN 

 

(四)  EM

 

(五)  FarthestFrist

 

(六)  FilteredClusterer 

 

(七)  HierarchicalClusterer

 

(八)  MakeDesityBasedClusterer

 

(九)  OPITCS

 

(十)  sIB

 

(十一)  SimpleKMeans

 

(十二)  XMeans

 

Classfiers

 

  bayes 

 

(一)  AODE

 

(二)  AODEsr

 

(三) BayesLogisticRegression 

 

(四) BayesNet 

 

(五)  ComplementNativeBayes

 

(六) DMNBtext

 

(七) HNB

 

(八) NativeBayes

 

(九) NativeBayesMultinomial

 

(十) NativeBayesMultinomialUpdateable

 

(十一) NativeBayesSimple

 

(十二) NativeBayesUpdateable

 

(十三) WAODE

 

 functions 

 

(十四) GaussianProcesses

 

(十五) IsotoniRegression

 

(十六) LeastMedSq

 

(十七) LibLINEAR

 

(十八) LibSVM

 

(十九) LineerRegression

 

(二十) Logistic

 

(二十一) MultilayerPerceptron

 

(二十二) PaceRegression

 

(二十三) PLSClassifier

 

(二十四) RBFNetwrok

 

(二十五) SimpleLogistic

 

(二十六) SMO

 

(二十七) SMOreg

 

(二十八) SPegasos

 

(二十九) VotedPerceptron

 

(三十) Winnow

 

   lazy

 

(三十一) IB1

 

(三十二) IBk

 

(三十三) KStar

 

(三十四) LBR

 

(三十五) LWL  局部加权学习

 

   meta 

 

(三十六) AdaBosstM1

 

(三十七) AdditiveRegression

 

(三十八) AttributeSelectedClassifier

 

(三十九) Bagging 

 

(四十) ClassificationViaClustering

 

(四十一) ClassificationViaRegression

 

(四十二) CostSenstiveClassfier

 

(四十三) CVParameterSelection

 

(四十四) Dagging

 

(四十五) Decorate

 

(四十六) END

 

(四十七) F

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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