原文出处： fengfenggirl（@也爱数据挖掘） 前面我们讨论的关联规则都是用支持度和自信度来评价的，如果一个规则的自信度高，我们就说它是一条强规则，但是自信度和支持度有时候并不能度量规则的实际意义和业务关注的兴趣点。

一、Apriori 算法概述 Apriori 算法是一种最有影响力的挖掘布尔关联规则的频繁项集的 算法，它是由Rakesh Agrawal 和RamakrishnanSkrikant 提出的。它使用一种称作逐层搜索的迭代方法，k-

以下为您推荐六款强大的开源数据挖掘工具： 1、RapidMiner 该工具是用Java语言编写的，通过基于模板的框架提供先进的分析技术。该款工具最大的好处就是，用户无需写任何代码。它是作为一个

说明：指导教师评分后，学年论文交院（系）办公室保存。 数据挖掘在商业上的应用 目 录 一、数据挖掘技术在企业市场营销中 1 二、数据挖掘技术在商业银行中的应用 7 （一）风险管理 7 （二）客户管理 9 （三）数据挖掘在银行业的具体应用

27 本免费的数据挖掘书籍

贝叶斯定理: P(H|X)=P(X|H)P(H)/P(X) 2. 朴素贝叶斯分类假定有m个类C1,…Cm,对于数据样本X,分类法将预测X属于类Ci,当且仅当 P(Ci|X)> P(Cj|X),1 < =j < =m

D还用不着，将来也会有用到的时候（例如在关联表中、索引等）。 7、使用整数（或相关）类型的数据列来创建索引。Varchar列索引会导致性能问题。 8、对布尔值使用bit字段。使用Int

前 言 数据库原理与应用是大学计算机及相关专业的必修主干课程。该课程是一门理论与实践结合的学科，但图书市场上与本科教学配套的实验教材相对比较匮乏。本书是为了配合本科教学中的数据库实践部分编写的，编者

算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不 小的提升。实话说，机器学习很难，非常难，要做到完全了解

CoreML是iOS 11新推出的机器学习框架，是人工智能的核心内容，他可以在训练好的机器学习模型应用到APP中 所谓已训练模型 (trained model)指的是对一组训练数据应用了某个机器学习算法后，所生成的一组结果Core

人工智能是机器人的核心，是机器人的大脑。想要制造一个大脑不是一件容易的事，所以很多机器人公司都在等着，等着谷歌，等着 Facebook，等着这些能做大脑的公司，能够在某一天将他们的技术开源。 如今，这些在短时间内都实现了。

PredictionIO是一个开源的机器学习服务器，能够帮助软件开发人员创建预测功能，比如个性化，推荐和发现内容。让开发人员利用机器学习构建智能软件。几乎任何应用与PredictionIO集成都可以变得更”聪明“。它具有以下特性：

适合初学者与高手的大量机器学习资源集合

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。 项目主页： http://www

Python、NLTK 和机器学习对 RSS 提要进行分类 作者： Chris Joakim , 高级软件工程师, Primedia Inc 简介： 机器学习取决于 IT、数学和自然语言的交集，在大数据应用程序中会通常用到机器学习。本文将讨论

YCML 是使用 Objective-C 编写的机器学习框架，也支持 Swift。 当前提供以下算法： Gradient Descent Backpropagation [1] Resilient

Petuum 是一个分布式机器学习框架。它致力于提供一个超大型机器学习的通用算法和系统接口。它主要集中在系统上 "plumbing work"和算法加速的优化上面，当简化分布式 ML 程序实现时——允

2.1 基本流程 从数据中看看如何做分支（branching criteria） 根据分支将数据分成几块 根据不同的数据学习子树 得到最终的决策树 所以，上面进行决策树学习的过程中需要考虑4个方面，分别是：分支的数量(number

兔子和分布式机器学习 上个学习的时候，我除了 TA 机器学习以外，另外一半的时间就是上了 System 课程。因为上课的缘故，需要做一个课程项目，于是我决定做一些和分布式机器学习相关的事情。 来到

不是所有人都有“读博”的功夫的。 有请“机器学习”算法 机器学习算法其实就是普通算法的进化版。通过自动学习数据规律，让你的程序变得更聪明些。 你从市场上随机买一批芒果（ 训练数据 ），把每只芒果的物理属性列