Shellerine的专栏

转载出处：http://blog.youkuaiyun.com/marelin/article/details/17503477一、Apriori算法参数含义本次共进行了9组实验，使用了weka安装目录data文件夹下的contact-lenses.arff数据。  ToolsàArffViewer，打开contact-lenses，可以看到实验数据contact-lens

前提条件是已经安装了Weka，并且下载好了mysql-connector-java-5.1.15-bin.jar文件放在了Weka-3-6下面的lib文件夹中了。软件版本，jar包版本根据个人的来选择。1.到weka安装目录下去找到weka.jar，解压weka.jar文件到当前文件夹，打开weka文件夹中的experiment文件夹。2.删除DatabaseUtils.props，将Databa

1.数据格式主要有三个要求，@relation ,@attribute,@data这三个是要有的，文件的名称，实例的属性，以及实例属性的对应值@relation house @attribute houseSize numeric@attribute lotSize numeric@attribute bedrooms numeric@attribute granite n

十折交叉验证英文名叫做10-fold cross-validation，用来测试算法准确性。是常用的测试方法。将数据集分成十分，轮流将其中9份作为训练数据，1份作为测试数据，进行试验。每次试验都会得出相应的正确率（或差错率）。10次的结果的正确率（或差错率）的平均值作为对算法精度的估计，一般还需要进行多次10折交叉验证（例如10次10折交叉验证），再求其均值，作为对算法准确性的估计。之所以选择将数

Confusion Metrix1.在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。2.如有150个样本数据，这些数据分成3类，每类50个。分类结束后得到的混淆矩阵为： 预测类1类2类3实际类1

回归回归是最为简单易用的一种技术，但可能也是最不强大（这二者总是相伴而来，很有趣吧）。此模型可以简单到只有一个输入变量和一个输出变量（在 Excel 中称为 Scatter 图形，或 OpenOffice.org 内的 XYDiagram）。当然，也可以远比此复杂，可以包括很多输入变量。实际上，所有回归模型均符合同一个通用模式。多个自变量综合在一起可以生成一个结果 — 一个因变量。然后用回

ZeroR分类器是一种最简单的分类器，这种方法仅仅根据历史数据统计规律，而选择一种概率最大的类别作为未知样本的分类结果，也就是说对于任意一个未知样本，分类结果都是一样的。ZeroR分类器简单的以多数类的类别（连续型数据使用简单均值）作为预测值。尽管这种分类器没有任何的预测能力，但是它可以作为一种与其他分类器的对比分类器。也就是说baseline performance。算法描述