数据挖掘Weka

基于weka的数据库挖掘➖聚类方法#DBSCAN算法 关于作者 作者介绍 目标 掌握weka中数据聚类的具体流程 内容 利用weka实现K-means聚类和DBSCAN聚类 密度聚类方法 密度聚类方法

基于weka的数据库挖掘➖聚类方法AGNES算法 关于作者 作者介绍 目标 掌握AGNES算法的原理和聚类过程 内容 采用AGNES算法，对给出的16个样本数据进行聚类，聚类簇数可自由调整，最后输出簇

基于weka的数据库挖掘➖聚类方法K-Means算法 关于作者 作者介绍 目标 1.掌握k-Means算法的原理和聚类过程 2.可以使用k-Means算法实现对给定样本集的聚类。 内容 采用k-Mea

基于weka的数据库挖掘➖分类方法朴素贝叶斯算法 关于作者 作者介绍 概率基础 **联合概率： **包含多个条件，且所有条件同时成立的概率 记作：P(A,B) **条件概率：**就是事件A在另外一个事

基于weka的数据库挖掘➖分类方法决策树分类 关于作者 作者介绍 决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法 决策

基于weka的数据库挖掘➖分类方法KNN分类 关于作者 作者介绍 K最近邻（K-nearest neighbors，kNN）算法是一种常用的基于实例的监督学习算法，用于分类和回归问题。kNN算法基于一

基于weka的数据库挖掘➖分类方法的实现 关于作者 作者介绍 目的 1.掌握KNN算法对测试数据进行分类的具体过程 2.掌握ID3算法生成决策树的过程 3.掌握朴素贝叶斯算法对文本的分类的过程 内容

基于weka的数据库挖掘➖数据离散化 关于作者 作者介绍 数据离散化 数据离散化（Data Discretization）是数据挖掘中的一种常见数据预处理技术，用于将连续型数据转换为离散型数据。它通过

基于weka的数据库挖掘及数据预处理 关于作者 作者介绍 目的 内容 步骤及结果 1、安装完成后，可生成如下文件 2、data 文件夹 这里需要看一下 data 文件夹，里面是 weka 自带 25个

基于Weka数据挖掘 关于作者 作者介绍 环境配置安装 1.了解Weka平台的基本使用方法。 2.认识weka环境下的各种数据集。 3.掌握利用weka进行数据库挖掘及数据预处理的方法。