追梦恋影的博客

对于朴素贝叶斯算法相信做数据挖掘和推荐系统的小伙们都耳熟能详了，算法原理我就不啰嗦了。我主要想通过java代码实现朴素贝叶斯算法，思想：1. 用javabean +Arraylist 对于训练数据存储2. 对于样本数据训练具体的代码如下：package NB;/** * 训练样本的属性 javaBean * */public class JavaBean { int ag

对于K-Means算法想必做机器学习和数据挖掘的广大同胞们已经不再陌生，做为数据挖据的十大经典算法之一，k-Means做聚类分析上有得天独厚的优势。对于其原理进行简单的描述：k-Means算法是典型的基于距离的聚类算法，采用的是距离作为相似性指标。经过n次迭代后，当中心的位置不在发生变换的时候即是收敛完成。算法：           1. 从n个文档中随机的选择出k个文档作为质心 

在R语言中我们用LDA算法的做预测的时候包，主要的MASS包。在这里我就不对于LDA算法进行详细的描述，只是根据问题的需求用R语言解决问题。我们使用的数据是KKNN包中的自带数据miete数据。主要对于该数据进行划分：1/3为测试数据，2/3为训练数据，通过对于数据的观察，预测测试数据中的nmkat对应的值。观察数据：library(kknn)data("miete")head(m

朴素贝叶斯算法在R语言中的应用，对应klaR包中的NaiveBayes（）方法。问题描述：主要通过朴素贝叶斯算法对于测试数据集中的nmkat属性值进行预测，我们使用的数据是KKNN包中的自带数据miete数据。主要对于该数据进行划分：1/3为测试数据，2/3为训练数据，通过对于数据的观察，预测测试数据中的nmkat对应的值。加载包#朴素贝叶斯算法library(klaR)nb1=N

提起KNN算法大家应该都不会陌生，对于数据挖掘来说算是十大经典算法之一。算法的思想是：对于训练数据集中已经归类的分组，来对于未知的数据进行分组归类。其中是根据该未知点与其训练数据中的点计算距离，求出距离最短的点，并将其归入该点的那一类。        看看算法的工程吧：1. 准备数据，对数据进行预处理2. 选用合适的数据结构存储训练数据和测试元组3. 设定参数，如k