犯罪分析:从空间数据中挖掘关联规则以进行犯罪分析-源码

上传者: 42139429 | 上传时间: 2021-04-30 10:30:22 | 文件大小: 70.8MB | 文件类型: ZIP
来自的关联规则挖掘犯罪分析的空间数据 抽象 该项目的目的是检查与美利坚合众国北卡罗来纳州夏洛特市一年内犯罪的空间分布有关的数据。 从大约60,000起犯罪中收集了数据,以及地区人口普查数据和有关商业活动的信息。 因此,我们打算将算法应用于发现变量之间的关联规则,以便寻找可用信息之间的关联。 应用知识发现过程并将过滤器应用于规则,从而仅选择具有犯罪类型的规则,因为它们与规则的相关性更高,因为它们显示出在规则的先决条件出现时,各种类型的犯罪更有可能表现出来。 酒类场所 罪案 建立 我建议使用设置虚拟环境 使用python 2.7创建环境: conda create --name crime_

文件下载

资源详情

[{"title":"( 22 个子文件 70.8MB ) 犯罪分析:从空间数据中挖掘关联规则以进行犯罪分析-源码","children":[{"title":"crime-analysis-master","children":[{"title":"documentation","children":[{"title":"DataMining.pdf <span style='color:#111;'> 7.67MB </span>","children":null,"spread":false}],"spread":true},{"title":"2 - Data Preparation.ipynb <span style='color:#111;'> 458.58KB </span>","children":null,"spread":false},{"title":"3 - Modeling.ipynb <span style='color:#111;'> 19.44KB </span>","children":null,"spread":false},{"title":"resources","children":[{"title":"crime_map.png <span style='color:#111;'> 2.27MB </span>","children":null,"spread":false},{"title":"alcohol_crime_map.png <span style='color:#111;'> 2.52MB </span>","children":null,"spread":false}],"spread":true},{"title":"dataset","children":[{"title":"prova.csv <span style='color:#111;'> 6.44MB </span>","children":null,"spread":false},{"title":"crimes_census_5poi_sampled100.csv <span style='color:#111;'> 828.26KB </span>","children":null,"spread":false},{"title":"crimes_census_5poi.csv <span style='color:#111;'> 5.29MB </span>","children":null,"spread":false},{"title":"Data.zip <span style='color:#111;'> 46.12MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 41B </span>","children":null,"spread":false}],"spread":true},{"title":"requirements.txt <span style='color:#111;'> 92B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 61B </span>","children":null,"spread":false},{"title":"1 - Data Understanding.ipynb <span style='color:#111;'> 11.94MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.62KB </span>","children":null,"spread":false},{"title":"util","children":[{"title":"fp_growth.pyc <span style='color:#111;'> 13.78KB </span>","children":null,"spread":false},{"title":"fp_growth.py <span style='color:#111;'> 11.48KB </span>","children":null,"spread":false},{"title":"rules.py <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"apriori.py <span style='color:#111;'> 1.70KB </span>","children":null,"spread":false},{"title":"apriori.pyc <span style='color:#111;'> 2.20KB </span>","children":null,"spread":false},{"title":"rules.pyc <span style='color:#111;'> 1.61KB </span>","children":null,"spread":false}],"spread":true},{"title":"notebooks","children":[{"title":"Sequence Mining.ipynb <span style='color:#111;'> 9.16KB </span>","children":null,"spread":false},{"title":"Sentence clustering.ipynb <span style='color:#111;'> 956.39KB </span>","children":null,"spread":false}],"spread":true}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,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,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,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,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明