luohualiushui1的专栏

首先大家了解一下Apriori算法，如下：Apriori算法 是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。该算法的基本思想 是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足...

首先我们得了解一下什么是FP-growth算法，如下：FP-Growth算法是韩嘉炜等人在2000年提出的关联分析算法，它采取如下分治策略：将提供频繁项集的数据库压缩到一棵频繁模式树（FP-tree），但仍保留项集关联信息。在算法中使用了一种称为频繁模式树（Frequent Pattern Tree）的数据结构。FP-tree是一种特殊的前缀树，由频繁项头表和项前缀树构成。FP-Growt...

首先奇异值分解(Singular Value Decomposition，以下简称SVD)描述如下：奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，奇异值分解则是特征分解在任意矩阵上的推广。在信号处理，统计学等领域有重要应用。假设M是一个m×n阶矩阵，其中的元素全部属于域 K，也就是实数域或复数域。如此则存在一个分解使得其中U是...

在机器学习中，matlab作为一个比较强大的工具，它的语言对矩阵运算支持比较完善。而生成随机数的randsrc(m,n,[alphabet; prob])方法可以对矩阵生成指定选择集合并且指定集合元素概率的随机数矩阵。而我在使用java实现一些机器学习算法的时候需要生成类似随机数矩阵没有matlab提供的方法，只能自己实现了。我们看看randsrc(m,n,[alphabet; pro...

在机器学习和数据挖掘中，我们经常需要对数据的大量特征进行降维处理，减少训练的运算量和运算时间，而主成分分析(PCA)就是用来进行降维操作的算法。主成分分析(PCA)的描述如下：PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的...

最近使用比较老的电脑使用CUDA，一开始安装10.1的windows版本，发现无法使用，经过网上查阅信息发现是显卡驱动不支持，电脑的NVIDIA驱动是390。然后查询到该驱动支持9.0版本的CUDA，便卸载更换为9.0版本，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x\extras\demo_suite目录下的测试程序运行都是...