- 博客(10)
- 收藏
- 关注
RSS订阅转载 使用Apriori算法和FP-growth算法进行关联分析
FP-growth算法是一种用于发现数据集中频繁模式的有效方法。FP-growth算法利用Apriori原则，执行更快。Apriori算法产生候选项集，然后扫描数据集来检查它们是否频繁。由于只对数据集扫描两次，因此FP-growth算法执行更快。在FP-growth算法中，数据集存储在一个称为FP树的结构中。FP树构建完成后，可以通过查找元素项的条件基及构建条件FP树来发现频繁项集。该过程不断以更多元素作为条件重复进行，直到FP树只包含一个元素为止。
2022-09-14 22:34:15
752
原创 校门外的树Vijos P1448
1：如果当前根不为空：得到一个区间信息，从根开始，如果该区间比根小，则把左子节点当成根做下一次操作的根，比根大则把右子节点作为下一次操作的根。K=1，K=1，读入l、r表示在区间[l,r]中种上一种树，每次操作种的树的种类都不同。K=2，读入l,r表示询问l~r之间能见到多少种树。2：如果当前根为空：把该区间信息放在根位置上。
2022-09-07 01:48:17
278
原创 2022蓝桥杯b组-李白打酒加强版
那么答案就是f[n+m-1][m-1][1],这是很容易理解的，因为我们共需要遇到m次花且最后一次一定是花，则走到倒数第二个位置时一定已经遇到了m-1个花，且由于遇到花后酒的数量会减少1，所以走到倒数第二个位置时酒的数量也必须是1.分析：这是一道动态规划题，设f[i][j][k]表示走到了第i个位置，遇到了j个花，还剩k斗酒的合法方案数.初始化很简单就是f[0][0][2]=1,因为一开始酒的数量是2。
2022-09-05 15:18:42
956
原创 决策树原理
适用场景：决策树能够生成清晰的基于特征(feature)选择不同预测结果的树状结构，希望更好的理解手上的数据的时候往往可以使用决策树，在实际应用中，受限于它的简单性，决策树更大的用处是作为一些更有用的算法的基石，例如随机森林。特征选择生成决策树剪枝(1) 计算复杂度不高，输出结果易于理解以ID3为例，每次运算都是基于某一列特征，特征计算完后，下次计算不考虑该最优特征，并且通过适当剪支可以简化复杂度(2) 对中间值的缺失不敏感(3) 可以处理不相关特征数据是基于每一列特征来计算，不考虑特征之间的依赖关系(1)
2022-07-31 17:41:45
2028
原创 算法策略感悟之回溯算法
写在前面的一点感悟这是我对人工智能概论课第四章搜索策略中回溯法的一些认知与应用，我在刷一些算法题时候将常会遇到要使用各种搜索的问题，对回溯这类问题感触颇深，也感谢老师这次作业使我有机会系统地回顾这一经典的搜索算法。1.回溯算法就是一种有组织的系统最优化搜索技术，可以看作蛮力法穷举搜索的改进。回溯法常常可以避免搜索所有可能的解，所以它适用于求解组织数量较大的问题。2.基本的一个基本概念“解空间树”：问题的解空间一般使用解空间树的方式来组织，树的根节点位于第1层，表示搜索的初始状态，依次向下排列。3.解空间树的
2022-07-13 15:26:33
806
1
原创 朴素贝叶斯分类
1.1朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的比较朴素，它对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。朴素贝叶斯分类的正式定义如下：1、设 为一个待分类项，而每个a为x的一个特征属性。2、有类别集合 。3、计算 。4、如果 ，则 。那么现在的关键就是如何计算第3步中的各个条件概率。我们需要这么做：1、找到一个已知分类的待分类项集合，这个集合叫做训练样本集。2、统计得到在各类别下各个特征属性的条件概率估计。即3
2022-07-13 15:21:40
1332
基于java的数据库软件开发实训
2024-02-06
通信原理课程设计-MPSK数字图像传输系统
2024-02-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人