搜索资源列表
朴素贝叶斯算法
- 连续属性离散化算法 数据预测
CACC
- 连续属性离散化CACC算法程序此程序是数据挖掘的一种合并算法-Discretization of Continuous Attributes CACC algorithm procedure This procedure is a combination of data mining algorithms
discretization
- 介绍数据挖掘里的离散化算法，对连续属性进行离散化的数据预处理-discretizaion for naive bayes method in the data mining
CAIM
- 粗糙集理论中连续属性离散化操作算法，matlab上运行，有数据集-Rough Set Theory discretization operation algorithm
38106449chi2
- chi2算法实现连续属性离散化，效率极高，算法简洁明了，易懂-chi2 algorithm for discretization of continuous attributes, the high efficiency algorithm is concise and easy to understand
C4.5-by-CPP
- win下C++实现C4.5算法,图形界面具有测试功能.采用悲观后剪枝,使用增益比进行连续属性离散化.-Win C++ C4.5 algorithm under realization, graphic interface with test function. After the pessimistic pruned, use than to gain discretization.
Custom-Evaluation
- 提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A custo
C4.5
- C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高