
数据挖掘
iteye_4360
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
小试Orange的数据挖掘功能
构造的原始数据: 002250 10.1 0.01 N 601899 5.0 0.1 Y 000001 6.0 0.1 Y 000002 70.1 0.1 Y 000003 55 0.2 Y 000004 66 0.01 N 000005 33 0.01 N 000006 55 0.02 N 000007 55 0.15 Y 000008 66 0.15 Y 000009...2011-10-10 00:37:15 · 263 阅读 · 0 评论 -
小试Orange的数据挖掘-"决策树生成"功能
测试环境: Windows 7, Orange 2.0b, Python 2.7 构造的原始数据: (纯测试用,无任何意义) 002250 10.1 0.01 N 601899 5.0 0.1 Y 000001 6.0 0.1 Y 000002 70.1 0.1 Y 000003 55 0.2 Y 000004 66 0.01 N 000005 33 0.01 N 00...2011-10-10 08:43:10 · 724 阅读 · 0 评论 -
Groovy调用Weka生成决策树
运行效果: [img]http://dl.iteye.com/upload/attachment/0080/0077/807e082d-9e85-33e5-a339-476199292ceb.png[/img] Groovy代码: [code="java"] import weka.classifiers.Classifier import weka.classifiers.tr...2013-01-29 16:45:14 · 312 阅读 · 0 评论 -
使用Weka对股票数据进行分析
测试目标: 1) 对数据挖掘的步骤进行实践:生成、分析、验证 2) 熟悉对WEKA的使用 测试步骤: 1) 通达信导出股票复权数据 2) 通过程序生成: *.arff,包括:训练集和测试集合 3) 对结果进行评估 生成ARFF的代码如下: [code="java"] File arffTrainingFile=new File("D:/ARFF/${name}Trai...2013-02-04 11:29:34 · 1188 阅读 · 0 评论