×
思维导图备注
面向程序员的数据挖掘指南
首页
小程序
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
编辑文档
进一步探索分类
来源 1
浏览
971
扫码
分享
2018-03-27 07:50:46
第五章:进一步探索分类
效果评估算法和kNN
混淆矩阵
Kappa指标
上一篇:
下一篇:
简介
序
数据挖掘简介及如何使用本书
欢迎来到21世纪
本书的结构
推荐系统入门
你喜欢的东西我也喜欢
使用Python代码来表示数据
最后一个公式:余弦相似度
Python推荐模块
隐式评价和基于物品的过滤算法
显式评价&隐式评价
显式评价的问题
什么会阻碍你成功?
基于用户/物品的协同过滤
修正的余弦相似度
Slope One算法
使用Python实现Slope One算法
分类
根据物品特征进行分类
回到潘多拉
她是从事什么运动的?
Python编码
每加仑燃油可以跑多少公里?
番外篇:关于标准化
进一步探索分类
效果评估算法和kNN
留一法
混淆矩阵
代码示例
Kappa指标
优化近邻算法
新的数据集,新的挑战
朴素贝叶斯
朴素贝叶斯
微软购物车
贝叶斯法则
为什么我们需要贝叶斯法则?
i100、i500健康手环
使用Python编写朴素贝叶斯分类器
共和党还是民主党
数值型数据
使用Python实现
朴素贝叶斯算法和非结构化文本
非结构化文本的分类算法
训练阶段
使用朴素贝叶斯进行分类
新闻组语料库
朴素贝叶斯与情感分析
聚类
层次聚类法
编写层次聚类算法
k-means聚类算法
安然事件
阅前必读
暂无相关搜索结果!
本文档使用
BookStack
构建
×
分享,让知识传承更久远
×
文章二维码
手机扫一扫,轻松掌上读
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
×
微信小程序阅读
微信扫一扫,知识掌上学
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度