資源簡介
數據挖掘算法
算法目錄
18大DM算法
包名 目錄名 算法名
AssociationAnalysis DataMining_Apriori Apriori-關聯規則挖掘算法
AssociationAnalysis DataMining_FPTree FPTree-頻繁模式樹算法
BaggingAndBoosting DataMining_AdaBoost AdaBoost-裝袋提升算法
Classification DataMining_CART CART-分類回歸樹算法
Classification DataMining_ID3 ID3-決策樹分類算法
Classification DataMining_KNN KNN-k最近鄰算法工具類
Classification DataMining_NaiveBayes NaiveBayes-樸素貝葉斯算法
Clustering DataMining_BIRCH BIRCH-層次聚類算法
Clustering DataMining_KMeans KMeans-K均值算法
GraphMining DataMining_GSpan GSpan-頻繁子圖挖掘算法
IntegratedMining DataMining_CBA CBA-基于關聯規則的分類算法
LinkMining DataMining_HITS HITS-鏈接分析算法
LinkMining DataMining_PageRank PageRank-網頁重要性/排名算法
RoughSets DataMining_RoughSets RoughSets-粗糙集屬性約簡算法
SequentialPatterns DataMining_GSP GSP-序列模式分析算法
SequentialPatterns DataMining_PrefixSpan PrefixSpan-序列模式分析算法
StatisticalLearning DataMining_EM EM-期望最大化算法
StatisticalLearning DataMining_SVM SVM-支持向量機算法
其他經典DM算法
包名 目錄名 算法名
Others DataMining_ACO ACO-蟻群算法
Others DataMining_BayesNetwork BayesNetwork-貝葉斯網絡算法
Others DataMining_CABDDCC CABDDCC-基于連通圖的分裂聚類算法
Others DataMining_Chameleon Chameleon-兩階段合并聚類算法
Others DataMining_DBSCAN DBSCAN-基于密度的聚類算法
Others DataMining_GA GA-遺傳算法
Others DataMining_GA_Maze GA_Maze-遺傳算法在走迷宮游戲中的應用算法
Others DataMining_KDTree KDTree-k維空間關鍵數據檢索算法工具類
Others DataMining_MSApriori MSApriori-基于多支持度的Apriori算法
Others DataMining_RandomForest RandomForest-隨機森林算法
Others DataMining_TAN TAN-樹型樸素貝葉斯算法
Others DataMining_Viterbi Viterbi-維特比算法
18大經典DM算法
18大數據挖掘的經典算法以及代碼實現，涉及到了決策分類，聚類，鏈接挖掘，關聯挖掘，模式挖掘等等方面,后面都是相應算法的博文鏈接，希望能夠幫助大家學。 目前追加了其他的一些經典的DM算法，在others的包中涉及聚類，分類，圖算法，搜索算等等，沒有具體分類。
C4.5
C4.5算法與ID3算法一樣，都是數學分類算法，C4.5算法是ID3算法的一個改進。ID3算法采用信息增益進行決策判斷，而C4.5采用的是增益率。詳細介紹鏈接
CART
CART算法的全稱是分類回歸樹算法，他是一個二元分類，采用的是類似于熵的基尼指數作為分類決策，形成決策樹后之后還要進行剪枝，我自己在實現整個算法的時候采用的是代價復雜度算法，詳細介紹鏈接
KNN
K最近鄰算法。給定一些已經訓練好的數據，輸入一個新的測試數據點，計算包含于此測試數據點的最近的點的分類情況，哪個分類的類型占多數，則此測試點的分類與此相同，所以在這里,有的時候可以復制不同的分類點不同的權重。近的點的權重大點，遠的點自然就小點。詳細介紹鏈接
Naive Bayes
樸素貝葉斯算法。樸素貝葉斯算法是貝葉斯算法里面一種比較簡單的分類算法，用到了一個比較重要的貝葉斯定理，用一句簡單的話概括就是條件概率的相互轉換推導
代碼片段和文件信息
package?DataMining_Apriori;
import?java.io.BufferedReader;
import?java.io.File;
import?java.io.FileReader;
import?java.io.IOException;
import?java.text.MessageFormat;
import?java.util.ArrayList;
import?java.util.Collections;
import?java.util.HashMap;
import?java.util.Map;
/**
?*?apriori算法工具類
?*?
?*?@author?lyq
?*?
?*/
public?class?AprioriTool?{
//?最小支持度計數
private?int?minSupportCount;
//?測試數據文件地址
private?String?filePath;
//?每個事務中的商品ID
private?ArrayList?totalGoodsIDs;
//?過程中計算出來的所有頻繁項集列表
private?ArrayList?resultItem;
//?過程中計算出來頻繁項集的ID集合
private?ArrayList?resultItemID;
public?AprioriTool（String?filePath?int?minSupportCount）?{
this.filePath?=?filePath;
this.minSupportCount?=?minSupportCount;
readDataFile（）;
}
/**
?*?從文件中讀取數據
?*/
private?void?readDataFile（）?{
File?file?=?new?File（filePath）;
ArrayList?dataArray?=?new?ArrayList（）;
try?{
BufferedReader?in?=?new?BufferedReader（new?FileReader（file））;
String?str;
String[]?tempArray;
while?（（str?=?in.readLine（））?!=?null）?{
tempArray?=?str.split（“?“）;
dataArray.add（tempArray）;
}
in.close（）;
}?catch?（IOException?e）?{
e.getStackTrace（）;
}
String[]?temp?=?null;
totalGoodsIDs?=?new?ArrayList<>（）;
for?（String[]?array?:?dataArray）?{
temp?=?new?String[array.length?-?1];
System.arraycopy（array?1?temp?0?array.length?-?1）;
//?將事務ID加入列表吧中
totalGoodsIDs.add（temp）;
}
}
/**
?*?判讀字符數組array2是否包含于數組array1中
?*?
?*?@param?array1
?*?@param?array2
?*?@return
?*/
public?boolean?iSStrContain（String[]?array1?String[]?array2）?{
if?（array1?==?null?||?array2?==?null）?{
return?false;
}
boolean?iSContain?=?false;
for?（String?s?:?array2）?{
//?新的字母比較時，重新初始化變量
iSContain?=?false;
//?判讀array2中每個字符，只要包括在array1中?，就算包含
for?（String?s2?:?array1）?{
if?（s.equals（s2））?{
iSContain?=?true;
break;
}
}
//?如果已經判斷出不包含了，則直接中斷循環
if?（!iSContain）?{
break;
}
}
return?iSContain;
}
/**
?*?項集進行連接運算
?*/
private?void?computelink（）?{
//?連接計算的終止數，k項集必須算到k-1子項集為止
int?endNum?=?0;
//?當前已經進行連接運算到幾項集開始時就是1項集
int?currentNum?=?1;
//?商品，1頻繁項集映射圖
HashMap?itemMap?=?new?HashMap<>（）;
FrequentItem?tempItem;
//?初始列表
ArrayList?list?=?new?ArrayList<>（）;
//?經過連接運算后產生的結果項集
resultItem?=?new?ArrayList<>（）;
resultItemID?=?new?ArrayList<>（）;
//?商品ID的種類
ArrayList?idType?=?new?ArrayList<>（）;
for?（String[]?a?:?totalGoodsIDs）?{
for?（String?s?:?a）?{
if?（!idType.contains（s））?{
tempItem?=?new?FrequentItem（new?String[]?{?s?}?1）;
idType.add（s）;
resultItemID.add（new?String[]?{?s?}）;
}?else?{
//?支持度計數加1
tempItem?=?itemMap.get（s）;
tempItem.setCount（tempItem.getCount（）?+?1）;
}
itemMap.put（s?tempItem）;
}
}
//?將初始頻繁項集轉入到列表中，以便繼續做連接運算
for?（Map.Entry?entry?:?itemMap.entrySet（））?{
list.add（（FrequentItem）?entry.getValue（））;
}
//?按照商品ID進行排序，否則連接計 ?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\
?????文件?????????483??2015-08-02?06:36??DataMiningAlgorithm-master\.gitattributes
?????文件?????????606??2015-08-02?06:36??DataMiningAlgorithm-master\.gitignore
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_Apriori\
?????文件???????10208??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_Apriori\AprioriTool.java
?????文件?????????307??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_Apriori\Client.java
?????文件????????1014??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_Apriori\FrequentItem.java
?????文件??????????72??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_Apriori\testInput.txt
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_FPTree\
?????文件?????????354??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_FPTree\Client.java
?????文件???????10964??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_FPTree\FPTreeTool.java
?????文件????????1553??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_FPTree\TreeNode.java
?????文件??????????72??2015-08-02?06:36??DataMiningAlgorithm-master\AssociationAnalysis\DataMining_FPTree\testInput.txt
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\DataMining_AdaBoost\
?????文件????????7231??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\DataMining_AdaBoost\AdaBoostTool.java
?????文件?????????348??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\DataMining_AdaBoost\Client.java
?????文件????????1016??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\DataMining_AdaBoost\Point.java
?????文件??????????65??2015-08-02?06:36??DataMiningAlgorithm-master\BaggingAndBoosting\DataMining_AdaBoost\input.txt
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_CART\
?????文件????????1443??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_CART\AttrNode.java
?????文件???????13879??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_CART\CARTTool.java
?????文件?????????234??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_CART\Client.java
?????文件?????????468??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_CART\input.txt
?????目錄???????????0??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_ID3\
?????文件?????????995??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_ID3\AttrNode.java
?????文件?????????287??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_ID3\Client.java
?????文件?????????214??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_ID3\DataNode.java
?????文件???????11441??2015-08-02?06:36??DataMiningAlgorithm-master\Classification\DataMining_ID3\ID3Tool.java
............此處省略164個文件信息
- 上一篇：石材仿形機程序
- 下一篇：QT編的MP3播放器
評論
共有 條評論
川公網安備 51152502000135號