数据挖掘与机器学习

python 数据挖掘与机器学习

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。模块一：课前准备Python编程基础与进阶Python编程入门1、Python环境搭建（
科研的力量·2024-08-30 19:57

大数据之Spark

的通用并行计算框架拥有HadoopMapReduce所具有的优点但不同于MapReduce的是Job中间输出结果可以缓存在内存中，从而不再需要读写HDFS，减少磁盘数据交互因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的算法
进击的-小胖子·2024-02-01 12:37

高可用分布式部署Spark、完整详细部署教程

mapreduce算法实现的分布式计算，拥有HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的
一座野山·2024-01-06 16:15

Python数据挖掘与机器学习实践技术应用

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。为各领域人员量身定制课程内容，让你畅学Python编程及机器学习理论与代码实现方法，从“
思考的小猴子·2024-01-04 18:03

Spark相关知识点（期末复习集锦）

一、Spark简介Spark，拥有hadoopMR所具有的优点，但不同于MR的是job中监测结果可以保存在内存中，从而不再需要读写HDFS，因此spark能够更好的适用于数据挖掘与机器学习等需要迭代的mr
夜をむかえる·2024-01-03 22:49

1.5 The Leaming Problem-Machine Leaming and other Fields|机器学习基石（林轩田）-学习笔记

1.5TheLeamingProblem-MachineLeamingandotherFields1.MachineLearningandDataMining(机器学习与数据挖掘)讲完了机器学习完整的流程,下面将一下机器学习与其他相关领域的关系第一个讲的领域就是数据挖掘,数据挖掘与机器学习有什么不一样
努力奋斗的durian·2024-01-01 23:29

Python数据挖掘与机器学习实践技术应用

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。掌握Python编程的基础知识与技巧、特征工程（数据清洗、变量降维、特征选择、群优化算法
思考的小猴子·2023-12-30 19:34

学习笔记：数据挖掘与机器学习

文章目录一、数据挖掘、机器学习、深度学习的区别（一）数据挖掘（二）机器学习（三）深度学习（四）总结二、数据挖掘体系三、数据挖掘的流程四、典型的数据挖掘系统一、数据挖掘、机器学习、深度学习的区别（一）数据挖掘数据挖掘，或者说DataMining，是一个涵盖广泛且充满活力的学术领域，其核心目标在于揭示隐藏在海量数据背后的有价值信息和知识。这一过程涵盖了多种方法和技术，包括但不限于商业智能（BI）、统计
howard2005·2023-12-28 11:28

大数据和智能数据应用架构系列教程之：大数据挖掘与机器学习

作者：禅与计算机程序设计艺术1.背景介绍大数据概述2006年，Google推出了GoogleMap，2009年推出了Google搜索引擎，2012年发布的谷歌雅虎成为了互联网公司里面的霸主。到今日，谷歌已经成为最大的搜索引擎网站，其搜索结果量也超过一千亿。在这个过程中产生的数据也越来越多，这些数据的价值正在被更多的人所认识、重视和关注。如今，信息爆炸的时代已经过去，收集、处理、分析海量数据已成为人
禅与计算机程序设计艺术·2023-12-22 02:58

Spark是什么？以及它有哪些应用场景呢？

mapreduce算法实现的分布式计算，拥有HadoopMapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的
陈影鸿在进步·2023-11-25 01:07

数据挖掘与机器学习——weka应用技术与实践

第一章weka介绍1.1weka简介weka是怀卡托智分析环境（WaikatoEnvironmentforKnowledgeAnalysis）的英文缩写，官方网址为：，在该网站可以免费下载可运行软件和代码，还可以获得说明文档、常见问题解答、数据集和其他文献等资源。1.1.1Weka的历史团队宣称：我们的目标是要建立最先进的软件开发机器学习技术，并将其应用于解决现实世界的数据挖掘问题。目标：是机器学
maggie_J·2023-11-11 09:39

Python 数据挖掘与机器学习技术应用

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出分析机器学
Yolo566Q·2023-11-06 02:59

Python 数据挖掘与机器学习实践技术应用

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出分析机器学
天青色等烟雨..·2023-11-06 02:55

大数据和智能数据应用架构系列教程之：大数据挖掘与机器学习

作者：禅与计算机程序设计艺术1.背景介绍随着互联网、移动互联网和物联网等新一代信息技术的飞速发展，以及人工智能、大数据分析、云计算、云存储、人工智能（AI）模型等的迅猛发展，使得数据的获取、存储、处理、分析等环节变得越来越复杂、越来越高效。如今，越来越多的企业和个人都开始把注意力转移到数据采集、处理、分析、挖掘等领域。这是一个“数据驱动时代”，数据科学正在成为一个全新的核心技术。同时，也出现了数据
禅与计算机程序设计艺术·2023-11-03 17:29

大数据和智能数据应用架构系列教程之：大数据挖掘与机器学习

作者：禅与计算机程序设计艺术1.简介1.1论文背景随着互联网的普及、移动互联网的爆炸性增长以及电子商务的兴起，传统的基于数据库的数据分析已不能满足当前信息社会对海量数据的处理需求。如何有效地进行大数据分析已经成为众多行业面临的共同难题。而数据挖掘和机器学习（MachineLearning）技术在处理海量数据方面的作用也越来越重要。近年来，随着云计算、大数据技术的迅速发展，大数据研究的热潮逐渐升温。
禅与计算机程序设计艺术·2023-10-10 10:30

数据挖掘与机器学习：机器学习 --- 决策树

目录第一关：什么是决策树任务描述：相关知识：一、引例二、决策树的相关资源编程要求：测试说明：第二关：信息熵与信息增益任务描述：相关知识：一、信息熵二、条件熵三、信息增益编程要求：测试说明：第3关：使用ID3算法构建决策树任务描述：相关知识：一、ID3算法二、使用决策树进行预测编程要求：测试说明：第四关：信息增益率任务描述：相关知识：信息增益率：编程要求：测试说明：第五关：基尼系数任务描述：相关知识
Shining0596·2023-09-21 18:53

Python 数据分析学习路线

Python数据分析学习路线第一阶段：Python语言基础第二阶段：数据采集和持久化第三阶段：数据分析第四阶段：数据挖掘与机器学习书籍介绍参与方式第一阶段：Python语言基础在学习数据分析之前，首先需要掌握
以山河作礼。·2023-09-21 11:47

Python数据挖掘与机器学习

因此，中科资环推出全新的Python数据挖掘与机器学习课程，为各领域人员量身定制课程内容
科研小白 新人上路·2023-08-24 23:09

Python 数据挖掘与机器学习教程

详情点击链接：Python数据挖掘与机器学习教程模块一：Python编程Python编程入门1、Python环境搭建（下载、安装与版本选择）。2、如何选择Python编辑器？
夏日恋雨·2023-08-17 06:19

python文本数据挖掘_Python数据挖掘与机器学习实战__前言

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。作为一门编程语言，其魅力远超C#、Java、C和C++等编程语言，被昵称为“胶水语言”，更被热爱它的程序员誉为“最美丽的”编程语言。从云端和客户端，再到物联网终端，Python应用无处不在，同时它还是人工智能（AI）首选的编程语言。近年来，人工智能在全世界掀起了新的科技浪潮，各行各业都在努力涉足人工智能技术。而机器学习是人
weixin_39606118·2023-08-09 06:56

Python 数据挖掘与机器学习

近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。机器学习是人工智能的基础，因此，掌握常用机器学习算法的工作原理，并能够熟练运用Python建立实际的机器学习模型，是开展人工智能相关研究的前提和基础。畅学Python编程及机器学习理论与代码实现方法，从“基础编程→机器学习→代码实现”逐步
xiao5kou4chang6kai4·2023-08-05 13:10

Python 数据挖掘与机器学习教程

详情点击链接：Python数据挖掘与机器学习一：Python编程Python编程入门1、Python环境搭建（下载、安装与版本选择）。2、如何选择Python编辑器？
夏日恋雨·2023-07-22 12:48

（西瓜书）《机器学习-周志华》-学习笔记：（1）第一章 --- 假设空间与版本空间等

****扩展**1.3假设空间版本空间1.4归纳偏好NFL定理数据挖掘与机器学习关系机器学习领域期刊简述开始一种新的学习方式，顺便帮助总结，方便之
JingYuJingYuJingYu·2023-07-15 06:36

python数据挖掘与机器学习实践技术

分析机器学习在应用时需要掌握的经验及编程技巧。通过实际案例的形式，介绍如何提炼创新点，以及如何发表高水平论文等相关经验。旨在掌握Python编程的基础知识与技巧、特征工程（数据清洗、变量降维、特征选择、群优化算法）、回归拟合（线性回归、BP神经网络、极限学习机）、分类识别（KNN、贝叶斯分类、支持向量机、决策树、随机森林、AdaBoost、XGBoost与LightGBM等）、聚类分析（K均值、D
科研小白 新人上路·2023-06-14 09:09

如何快速掌握Python 数据挖掘与机器学习

PythonPython由荷兰数学和计算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。Python在各个编程语言中比较适合新
zmjia111·2023-06-08 14:15

面向非平衡数据的过采样方法研究

为了使这些数据更好地服务于各行各业，数据挖掘与机器学习应运而生。顾名思义，数据挖掘就是要从海量数据中发现有用的信息，从而指
紫钺-高山仰止·2023-04-09 08:41

数据挖掘与机器学习：NumPy基础及取值操作

目录第一关：ndarray对象任务描述：相关知识：一、如何安装NumPy：二、什么是ndarray对象：三、如何实例化ndarray对象：编程要求：测试说明：第二关：形状操作任务描述：相关知识：怎样改变ndarray对象的形状：编程要求：测试说明：第三关：基础操作任务描述：相关知识：一、算术运算：二、矩阵运算：三、简单统计：编程要求：测试说明：第四关：随机数生成任务描述：相关知识：简单随机数生成：
Shining0596·2023-04-02 06:30

大数据开发-分布式文件系统HDFS

大数据处理的主要应用场景包括数据分析、数据挖掘与机器学习。数据分析主要使用Hive、SparkSQL等SQL引擎完成；数据挖掘与机器学习则有专门的机器学习框架TensorFlow、Mahout以
jason_syf·2023-03-11 15:59

【GNN报告】北邮石川组

石川：GAMMALab介绍简介实验室简介北邮图数据挖掘与机器学习实验室（GAMMALab,GraphdAtaMiningandMAchinelearningLaboratory）长期从事人工智能和数据科学的核心方向
静静喜欢大白·2023-02-07 09:58

数据挖掘与机器学习好用的网站

数据源下载网站http://archive.ics.uci.edu/ml最有名的机器学习数据资源，来自美国加州大学欧文分校。该数据库提供了200多个可用的数据集，其中很多数据常被用来比较算法的性能，基于这些资源，研究人员可以得到相对客观的性能比较结果。https://registry.opendata.aws/这是Amazon的开放数据，包括美国人口普查数据、人类基因组注释数据......http
照希·2023-02-06 05:12

python 语言与numpy库

Python的变量和集合Python流程控制语法Python函数Python模块Numpy矩阵运算包Numpy简介Numpy中的多维数组ndarrayNdarray常用方法数组的基本运算数组的形状操作数据挖掘与机器学习导论数据挖掘概念数据挖掘与机器学习的关系机器学习简
程序员面试笔记·2023-02-05 10:43

2020~2021《数据挖掘与机器学习》复习记录

《数据挖掘与机器学习》复习根据复习阶段遇到的题型列出比较可能考的知识点第1章绪论这部分基本概念了解即可第2章数据预处理光滑噪声数据的方法——分箱分箱的方法：有4种：等深分箱法、等宽分箱法、最小熵法和用户自定义区间法
梁山水帘大观园之刘皇叔-扫地生·2023-02-04 11:01

数据挖掘与机器学习：数据变换

目录第一关：极小极大归一化任务描述：相关知识：一、原理介绍：二、实现步骤：三、归一化数据：四、数据归一化原因：编程要求：测试说明：第二关：0均值标准化：任务描述：相关知识：一、原理介绍：二、实现步骤：三、0均值标准化的优缺点：编程要求：测试说明：第一关：极小极大归一化任务描述：本关任务：进行数据的极大极小归一化处理。相关知识：为了完成本关任务，你需要掌握：极小极大归一化的介绍，极小极大归一化的实现
Shining0596·2023-01-27 14:40

数据挖掘与机器学习作业_07 随机森林

随机森林导入包fromsklearn.ensembleimportRandomForestClassifierfromsklearn.model_selectionimportGridSearchCVfromsklearn.model_selectionimportcross_val_scorefromsklearn.preprocessingimportKBinsDiscretizerfromi
威尔士矮脚狗·2023-01-14 18:48

数据挖掘与机器学习作业_05 逻辑回归

逻辑回归导入包fromsklearn.model_selectionimportGridSearchCVfromsklearn.linear_modelimportLogisticRegressionfromsklearn.model_selectionimportcross_val_scorefromsklearn.model_selectionimporttrain_test_splitfro
威尔士矮脚狗·2023-01-10 10:00

数据挖掘与机器学习作业_06 决策树

决策树步骤1.计算不纯度2.选取不纯度最高的特征进行分支3.计算不纯度4.继续划分fromsklearnimporttreefromsklearn.model_selectionimportGridSearchCVfromsklearn.model_selectionimportcross_val_scorefromsklearn.model_selectionimporttrain_test_s
威尔士矮脚狗·2023-01-08 18:41

NLP16：通过序列标注来进行实体和关系的联合抽取

公众号：数据挖掘与机器学习笔记在之前的文章“论文阅读04：使用序列标注的方式解决实体和关系的联合抽取”介绍了一种使用序列标注的方式来进行实体和关系的联合抽取，模型的具体细节可以查看该文章。
大雄没有叮当猫·2023-01-07 19:28

数据挖掘与机器学习作业_02 数据预处理

数据预处理importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnpimportscipyimportsklearn#正则表达式importreimportsys#中心化fromsklearn.preprocessingimportMinMaxScaler#标准化fromsklearn.preprocessingimportStandar
威尔士矮脚狗·2023-01-06 08:17

数据挖掘与机器学习作业_01 简介

疾病分类模型要求：1.指标F1-SCORE大于0.62.使用不同分类模型数据：某疾病数据Github地址已放到文章结尾准备安装scikit-learn、pandas、numpy、imblearn、pytorch等python的第三方库。安装anaconda，和jupyternotebook，注意，jupyternotebook中的pytorch可能无法正常使用，需要根据报错提示去博客上自行查阅解决
威尔士矮脚狗·2023-01-04 13:12

大数据挖掘与机器学习笔记

目录机器学习（周志华）第一章绪论第二章模型评估和选择机器学习（周志华）第一章绪论1.1什么是机器学习使用以往的数据(经验)，去训练某种模型，然后利用此模型预测未来。TomMitchell给出更形式化的定义：1998年TomMitchell对机器学习给出了一个更加正式的定义：AcomputerprogramissaidtolearnfromexperienceEwithrespecttosometa
小飞猪666·2023-01-04 08:14

数据挖掘与机器学习作业_09 贝叶斯

贝叶斯贝叶斯公式后验概率=先验概率*似然估计fromsklearn.model_selectionimportGridSearchCVfromsklearn.naive_bayesimportBernoulliNBfromsklearn.naive_bayesimportGaussianNBfromsklearn.naive_bayesimportMultinomialNBfromsklearn.
威尔士矮脚狗·2023-01-04 08:44

数据挖掘与机器学习作业_03 特征筛选

特征筛选importpandasaspdimportmatplotlibimportmatplotlib.pyplotaspltimportmatplotlib.font_managerasfmimportnumpyasnpimportscipyimportsklearnimportreimportsysimportrandom#方差fromsklearn.feature_selectionimp
威尔士矮脚狗·2023-01-04 08:44

数据挖掘与机器学习作业_08 Adaboost

AdaboostAdaBoost是一种迭代算法，用于提高弱分类器的准确性。基本原理是，通过构建一系列弱分类器，并将这些弱分类器集成在一起，形成一个强分类器。在每次迭代中，AdaBoost会根据上一次迭代的结果，调整各个样本的权重，使得那些被错误分类的样本在下一次迭代中得到更多的关注。fromsklearn.model_selectionimportGridSearchCVfromsklearn.m
威尔士矮脚狗·2023-01-04 08:44

数据挖掘与机器学习的联系与区别、挖掘工具Mahout、Spark MLlib讲解，Mahout和MLlib支持的机器学习算法列举

一.数据挖掘与机器学习二.数据挖掘工具Mahout讲解三.Mahout在各平台所支持的机器学习算法四.数据挖掘工具MLlib讲解五.MLlib所支持的机器学习算法一.数据挖掘与机器学习数据挖掘是识别出海量数据中有效的
楊建业·2023-01-04 08:41

数据挖掘与机器学习作业_04 支持向量机

支持向量机fromsklearn.svmimportSVCfromsklearn.model_selectionimportGridSearchCVfromsklearn.model_selectionimportcross_val_scorefromsklearn.model_selectionimporttrain_test_splitfromsklearn.feature_selection
威尔士矮脚狗·2023-01-04 07:35

分类模型的性能评估——以SAS Logistic回归为例

(1):混淆矩阵2008/12/25数据挖掘与机器学习、生物与医学统计、统计软件ConfusionMatrix、Logistic回归、SAS、Sensitiveity、Specificity、分类模型、
伙伴几时见·2023-01-03 09:30

论文阅读04：使用序列标注的方式解决实体和关系的联合抽取

公众号：数据挖掘与机器学习笔记JointExtractionofEntitiesandRelationsBasedonaNovelTaggingScheme1.摘要实体和关系的联合抽取是信息抽取中的一个重要任务
大雄没有叮当猫·2022-12-23 20:17

论文笔记02：深度学习实体关系抽取研究综述

公众号：数据挖掘与机器学习笔记摘要、前言实体关系抽取：通过对文本信息建模，从文本中自动抽取实体对间的语义关系，提取出有效的语义关系应用领域：信息抽取、自然语言理解、信息检索、机器翻译、语义网标注、知识图谱等抽取方法
大雄没有叮当猫·2022-12-21 12:53

数据挖掘与机器学习：Numpy初体验

目录第一关：Numpy创建数组第二关：Numpy数组的基本运算第三关：Numpy数组的切片与索引第四关：Numpy数组的堆叠第五关：Numpy的拆分第一关：Numpy创建数组#引入numpy库importnumpyasnp#定义cnmda函数defcnmda(m,n):'''创建numpy数组参数：m:第一维的长度n:第二维的长度返回值:ret:一个numpy数组'''ret=0#请在此添加创建多
Shining0596·2022-12-19 23:08

数据挖掘与机器学习必备知识点总结：分类、聚类、回归、关联规则、神经网络

①朴素贝叶斯：原理è朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立。条件概率：在B已经发生的情况下继续发生A的概率表示为,同样的,综合可得即贝叶斯定理；文字表述为：P（类别|特征）=（P（特征|类别）*P（类别））/P（特征）过程è在劳动能力鉴定系统的使用中，（1）根据政府发布的伤残等级评定标准构建病例词典；（2）首先对病例进行分词，提取关键词的词频向量和数值大小，使用贝叶斯
夜宿可可西里·2022-12-16 06:06
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他