给出了一种基于大数据挖掘的手机游戏平台个性化推荐机制，通过对游戏用户行为数据的获取、存储、清洗、挖掘，由改进的余弦相似度算法计算出游戏的相似度，向用户推荐其喜欢的游戏。该机制可以有效提升游戏推荐的准确性，增强用户黏性，为游戏平台创造更多价值。

职业院校技能大赛（中职组）网络安全-数据分析数据包

第四届工业大数据创新竞赛-水电站入库流量预测 成绩排名： 初赛线上第一段2月份25.4分，第二段最高分10.0分

Facebook、Twitter和LinkedIn产生了大量宝贵的社交数据，但是怎样才能找出谁通过社交媒介正在进行联系?他们在讨论些什么?或者他们在哪儿?本书简洁而且具有可操作性，它将揭示如何回答这些问题甚至更多的问题。你将学到如何组合社交网络数据、分析技术，如何通过可视化帮助你找到你一直在社交世界中寻找的内容，以及你闻所未闻的有用信息。 本书每章都介绍了在社交网络的不同领域挖掘数据的技术，这些领域包括博客和电子邮件。你所需要具备的就是一定的编程经验和学习基本的Python工具的意愿。 通过本书，你将 . 获得对社交网络世界的直观认识 . 使用GitHub上灵活的脚本来获取从诸如Twitter、Facebook和LinkedIn等社交网络API中的数据 . 学习如何应用便捷的Python工具来交叉分析你所收集的数据 . 通过XFN探讨基于微格式的社交联系 . 应用诸如TF-IDF、余弦相似性、搭配分析、文档摘要、派系检测之类的先进挖掘技术 . 通过基于HTML 5和JavaScript工具包的网络技术建立交互式可视化

现在，需要根据该学校提供的数据，对数据进行分析，并尝试找到预测模型的性能进行分析。 资源中包含：论文、代码以及数据！ 方法要求： a) 分析该数据集的数据缺失情况； b) 分析该数据集不同年份各门课程的描述性统计量，并进行比对分析； c) 对该数据集进行数据清洗，处理缺失值； d) 对该数据集进行归一化； e) 要求分别利用sklearn提供的线性回归（Linear Regression）、岭回归（Ridge Regression）、鲁棒回归（使用Huber Regression）、支持向量回归（SVR）、最近邻回归（Nearest Neighbors Regression）、决策树回归（Decision Trees）、神经网络回归（Neural Network Regression）共七种回归算法实现对成绩的预测。 f) 并对训练出的七种回归器进行性能评估，利用测试集计算七种回归器的四项性能指标：解释方差、平均绝对误差、平均平方误差和中位绝对误差。

国科大数据挖掘刘莹作业2.pdf

资源是2016年的考试真题，2018年考试跟这个卷子基本上没什么变化，2019级的大家就别想着原题考试了，参考一下就OK了

1、资源内容：iPLS算法的简要介绍已经其与PLS算法的区别介绍 2、使用/学习目标：了解iPLS算法的基本原理 3、特点：快速入门iPLS算法 4、适用人群：想快速理解iPLS算法原理的初学者、需要做相关主题课程汇报的学生

基于数据挖掘的思政课堂辅助教学系统.pdf

主要讨论了常用的异常数据挖掘方法，简要地介绍了异常数据挖掘的定义、功能、方法等，详细的介绍 了使用统计、距离、偏离技术、密度和高维持数据进行异常数据挖掘的方法并分析了其各自的特点．