实例介绍
程序员必须掌握的数据挖掘技术,通俗易懂,英文也很简单,入门级别的好书 中的全部代码 包括习题解答
【实例截图】
【核心代码】
4744300845184257148.zip
└── 程序员的数据挖掘指南-code
├── ch2
│ ├── filteringdataPearson.py
│ ├── filteringdata.py
│ └── recommender.py
├── ch3
│ ├── cosineSimilarity.py
│ └── recommender3.py
├── ch4
│ ├── ch4-filteringdata.py
│ ├── classifyTemplate.py
│ ├── nearestNeighborClassifier.py
│ ├── normalizeColumnTemplate.py
│ └── testMedianAndASD.py
├── ch5
│ ├── crossValidation.py
│ ├── divide.py
│ ├── nearestNeighborClassifier.py
│ └── pimaKNN.py
├── ch6
│ ├── naiveBayesDensityFunction copy.py
│ ├── naiveBayesDensityFunction.py
│ ├── naiveBayesDensityFunctionTraining.py
│ ├── naiveBayesDensityFunctionTrainingSolution.py
│ └── naiveBayes.py
├── ch7
│ ├── bayesSentiment.py
│ ├── bayesText-ClassifyTemplate.py
│ ├── bayesText.py
│ ├── naiveBayesDensityFunction copy.py
│ ├── naiveBayesDensityFunction.py
│ ├── naiveBayesDensityFunctionTraining.py
│ ├── naiveBayesDensityFunctionTrainingSolution.py
│ └── naiveBayes.py
├── ch8
│ ├── hierarchicalClusterer.py
│ ├── hierarchicalClustererTemplate.py
│ ├── kmeansPlusPlus.py
│ └── kmeans.py
├── data
│ ├── ch4
│ │ ├── athletesTestSet.txt
│ │ ├── athletesTrainingSet.txt
│ │ ├── irisTestSet.data
│ │ ├── irisTrainingSet.data
│ │ ├── mpgTestSet.txt
│ │ └── mpgTrainingSet.txt
│ ├── ch6
│ │ ├── house-votes.zip
│ │ ├── iHealth.zip
│ │ ├── mpgData.zip
│ │ ├── pimaSmall.zip
│ │ └── pima.zip
│ ├── ch7
│ │ └── reviewPolarityBuckets.zip
│ └── ch8
│ ├── cereal.csv
│ ├── dogDistanceSorted.txt
│ ├── dogs.csv
│ ├── enrondata.txt
│ └── mpg.txt
└── README.md
13 directories, 49 files
标签:
相关软件
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论