南京工程学院+数据科学与大数据技术+数据挖掘专业课+课程设计

matlab 10折交叉验证知识代码CSE-5334-数据挖掘 lin_regression_Matlab.txt包含线性回归Matlab代码。 lin_regression_Python.txt包含线性回归Python代码。 在ATNT50目录中，我们有 trainDataXY.txt 它包含45张图像。 来自类别1的图像1-9。来自类别2的图像10-18，以此类推。每个图像都是一列。 第一行是类别标签。 testDataXY.txt 它包含5张图片。 每个图像都是一列。 第一行是类别标签。 您使用训练数据训练分类器。 训练完分类器后，您就可以对testData中的数据进行分类，并将获得的类标签与那里提供的地面标签进行比较。 这两个数据是简单的训练和测试数据。 它们是预热数据，因此您可以看到分类器如何处理此简单数据。 数据集：ATNT-face-image400.txt： 文本文件。 第一行是群集标签。 第二端行：每列是一个特征向量（向量长度= 28x23）。 总计40个班级。 每个班级有10张图片。 总计40 * 10 = 400张图像 数据集：Hand-writing-26-le

这是对于数据挖掘课程的一个小结，花了大约三天的时间完成，总的来说完成的还可以，虽然实现的效果不咋地。

数据仓库与数据挖掘课程设计

2018中国“法研杯”法律智能挑战赛 CAIL2018 1. Official Website 2. Time nodes 第一阶段（2018.05.15-2018.07.14）: ~ 6月 5日，基于Small数据的模型提交截至。向评测结果高于基准算法成绩的团队发布Large数据 ~ 6月12日，基于Large-test数据对前期模型进行重新评测刷榜 ~ 7月14日，最终模型提交截至。 第二阶段（2018.07.14-2018.08.14）: 主办方根据一个月的新增数据对最终模型进行封闭评测 3. Notice 3.1. Necessary adjustment 在将本项目代码clone或download到本地运行时，需要对如下文件处做简单修改： 在./predictor中创建model/目录（github上无法上传空文件夹） ./utils/util.py中的第9行DATA_DIR，改

用SQL2005实现的物业管理数据挖掘，在本设计中用到的决策树算法，用设备管理为主题分析了设备寿命。

dankook_datamining 2018年第一学期应用统计部门数据挖掘这是我作为作业编写的代码。 教科书使用了“用于业务分析的数据挖掘”。 作业文件夹是您为作业编写的代码。 项目文件夹是使用所学知识在团队项目上工作的代码。

关于数据挖掘课程设计报告的具体要求及资源下载网址 可以学习到许多课程设计方法

数据挖掘导论（第二版）课程配套课件。《数据挖掘导论》由人民邮电出版社出版，[美]作者Pang-Ning Tan，Michael Steinbach，Vipin Kumar 合著。该书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。

上海二手房价格预测界面 这是复旦大学数据科学学院的数据挖掘课程（DATA620007）。 要求： Tensorflow 1.0.1 Python 3.6 训练数据： 从于2018年4月。 爬行部分是由建造的。 模型： 结构：具有200个节点和ReLU的两层全连接神经网络，以及保持率为75％的Dropout。 纪元：10000 MSE （在测试集上）：<0.03 例子： 一个简单的例子如下：女巫意味着我们所住宿舍的合理价格可能价值高达580万日元。 输出包括目标实际东部地区的平ASP格和总价格。