摘要：聚类 聚类评估算法 Silhouette算法：轮廓系数法 簇内不相似度：$a_i$样本i到同簇其它样本的平均距离 簇间不相似度：$b_i$样本到其它某簇的所有样本的平均距离 定义样本的轮廓系数： \(s(i) = \frac{b_i-a_i}{max\{a_i,b_i\}}\) $s(i) $接近1 阅读全文

摘要：支持度&置信度 \(Support(X\rightarrow Y)=\frac{(X\bigcup Y)}{n}\) \(Confidence(X\rightarrow Y)=\frac{(X\bigcup Y)}{X}\) 因果关系≠关联性 置信度和支持度都是统计出来的条件概率，不能说明全部的问题 阅读全文

摘要：神经网络 神经网络从感知机演化而来，讲的人太多了，看看别人讲的吧，就不重复了 https://blog.csdn.net/xuanwolanxue/article/details/71565934 阅读全文

摘要：  ![](https://i 阅读全文

摘要：贝叶斯和决策树 贝叶斯公式一言以蔽之：寻求概率的概率是多少。 \(P(A|B)=\frac{P(B|A)·P(A)}{P(B)}\) 我们假设有这样一件事：抛三次硬币，有一个人抛了三次全部都是正面，这就很奇怪了，是不是可能作弊了，还是说真的运气好，贝叶斯在这的应用就是计算作弊的概率有多大。 $P(A 阅读全文

摘要：数据预处理 处理数据缺失 方法 具体措施 忽略 直接删除，简单粗暴，缺失数据少的时候很管用 手动填充 重新收集数据，需要某些领域的专业知识，可行性不高 自动填充 取中位数或者平均数 离群点检测 OUTLIER 世界之大，无奇不有，有时候明显和其他数据格格不入的数据，并不一定是错误的点，比如我们身边平 阅读全文

摘要：导论 数据挖掘，单纯从字面意思理解，可能会存在误区，认为只是像爬虫一样做着简单重复劳动，而这只是冰山一角，更加全面的解释我认为应该是从数据中挖掘到价值和规律。 数据矿——数据集 总结一下数据来源 data.gov 美国政府公开数据集 kaggle open-EI UCI公开数据库 “挖掘机”——数据 阅读全文