Data Mining Concepts and Techniques 3rd Edition(数据挖掘概念与技术第三版)

格米 GraMi 是一种在单个大图中进行频繁子图挖掘的新框架，GraMi 比现有技术高出两个数量级。 GraMi 支持查找频繁子图和频繁模式，与子图相比，模式提供了更强大的匹配版本，可以捕获图节点（如朋友的朋友）之间的传递交互，这​​在现代应用程序中非常常见。 此外，GraMi 支持对结果以及近似结果的用户定义结构和语义约束。 有关更多详细信息，请查看我们的论文：Mohammed Elseidy、Ehab Abdelhamid、Spiros Skiadopoulos 和 Panos Kalnis。 “ GRAMI：单个大图中的频繁子图和模式挖掘。PVLDB，7（7）：517-528，2014年。” 内容： README ................... This file LICENSE.txt .............. License file (Open Sourc

The fundamental algorithms in data mining and analysis form the basis for the emerging field of data science, which includes automated methods to analyze patterns and models for all kinds of data, with applications ranging from scientific discovery to business intelligence and analytics. This textbook for senior undergraduate and graduate data mining courses provides a broad yet in-depth overview of data mining, integrating related concepts from machine learning and statistics. The main parts of the book include exploratory data analysis, pattern mining, clustering, and classification.

WebPlotDigitizer 一个基于Web的工具，可从绘图图像中提取数值数据。 支持XY，极坐标，三元图和地图。 这是一个开放源代码工具，成千上万的人使用它，并。 检出以获得更多详细信息。 联系 要报告问题，请使用GitHub Issues。 如有其他查询，请联系Ankit Rohatgi 执照 WebPlotDigitizer在下分发。 稳定版本 此存储库中的master分支是不稳定的，不建议在生产中使用。 要访问稳定版本，请签出： : 贡献 要贡献给WebPlotDigitizer，请参考。

业务建模与数据挖掘 Business Modeling and Data Mining

matlab代码lasso data_mining/数据挖掘 data_analysis 一、十六种回归算法 01)LineaRegrssion 02)KNeighuborsRegresspr 03)SVR 04)Lasso 05)Ridge 06)MLPRegressor 07)DecisionTreeRegressor 08)ExtraTreeRegressor 09)AdaBoostRegressor 10)GradientBoostingRegressor 11)BaggingRegressor 12)XGBRegrrssor 13)RandomFroestRegressor 14）Xgbosst 15）LightGBM 16）Catboost 17）Ngboost 二、 Gaussian Naive Bayes (GNB) Bernoulli Naive Bayes (BNB) Multinomial Naive Bayes (MNB) Logistic Regression (LR) Stochastic Gradient Descent (SGD) Passive Agg

高效先验 Apriori算法的高效纯Python实现。 适用于Python 3.6及更高版本。 先验算法发现分类数据中的隐藏结构。 经典示例是一个数据库，其中包含从超市购买的商品。 每次购买都有许多与之相关的物品。 我们想从数据中发现关联规则，例如{bread, eggs} -> {bacon} 。 这是的目标，而可以说是解决此问题的最著名算法。 该存储库包含apriori算法的有效，经过测试的实现，如Agrawal等人于1994年发表的中所述。 该代码是稳定的并且被广泛使用。 Bonaccorso在《精通机器学习算法》一书中对此进行了引用。 例子 这是一个最小的工作示例。 请注意，在每次有eggs交易中，也有bacon 。 因此，将以100％的置信度返回规则{eggs} -> {bacon} 。 from efficient_apriori import apriori tran

开源以太坊矿池 产品特点 该池正在进一步开发，以为以太坊矿工提供易于使用的池。 该软件可以正常运行，但是预计很快就会发布该池的优化版本。 欢迎进行测试和提交错误！ 支持HTTP和Stratum挖掘 详细的区块统计以及运气百分比和全额奖励 故障转移geth实例：内置geth高可用性 现代美丽的Ember.js前端 工人的单独统计数据：可以突出显示超时的工人，以便矿工可以进行钻机维护 JSON-API统计 代理人 具有Web界面的 HTTP代理 以太坊的 在Linux上构建 依存关系： 去> = 1.9 盖茨或平价 Redis服务器> = 2.8.0 nodejs> = 4个LTS Ng

Data Mining Concepts and Techniques 3rd Edition(数据挖掘概念与技术第三版)英文原版

The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 和之前上传的略有差别，这个要更好。