Nguồn: Trung Tâm CDAC Ấn Độ, 2018
Mã số: 28428 2018 1.8 MB 120 7,206 0  0  

Khai phá dữ liệu - An Introduction to Data Mining - Clustering - Classification | Xem..

Nguồn: Trường Đại học Công nghệ, ĐHQG Hà Nội, 2006
Mã số: 23598 2012 464.1 kB 101 19,727 0  0  

Phần mở đầu Chương 1. Các khái niệm cơ bản Chương 2. Một số thuật toán tìm tập rút gọn Chương 3. Khám phá phụ thuộc đa trị Phần kết luận Tài liệu | Xem..

Nguồn: Sưu tầm, 2007
Mã số: 22775 2012 603.0 kB 30 11,025 1  0  

- Bài tập mẫu môn học data mining & data warehouse - Một số Đề thi tham khảo Data Mining & Data Warehouse | Xem..

Nguồn: Trường Đại học Hàng Hải, 2011
Mã số: 22169 2012 1.2 MB 78 24,849 0  0  

Chương 1. Tổng quan về kho dữ liệu (Datawarehouse) Chương 2: Tổng quan về khai phá dữ liệu Chương 3: Tiền xử lý dữ liệu Chương 4: Luật kết hợp Chương 5: Phân lớp và dự đoán Một số đề thi mẫu | Xem..

Nguồn: Fırat University, Turkey , 2008
Mã số: 20225 2011 102.0 kB 6 2,493 0  0  

Data mining 1. Introduction 2. Problem Definition 3. The Proposed Algorithm 4. Stages of the Algorithm 5. Experimental Results 5. Discussion and Conclusions 6. References | Xem..

Nguồn: Trường Đại học Cần Thơ, 2008
Mã số: 18256 2011 3.8 MB 14,230 1  1  

Cung cấp cho học viên nguyên lý, kỹ thuật, công cụ và các xu hướng trong khai thác dữ liệu (Data Mining). - Từ khám phá tri thức đến khai mỏ dữ liệu - Phương pháp hiển thị dữ liệu (Information visualisation) - Máy học véctơ hỗ trợ (Support vector machines) - Phương pháp học cây quyết định (Decision Tree) - Giải thuật gom cụm (Clustering algorithms) - Phương pháp lân cận (K.. | Xem..

Nguồn: Trường Đại học Bách khoa Hà Nội, 2011
Mã số: 17031 2011 2.8 MB 16,696 0  5  

Bài 1: Giới thiệu về Khai phá dữ liệu Bài 2: Giới thiệu về công cụ WEKA Bài 3: Tiền xử lý dữ liệu Bài 4: Phát hiện các luật kết hợp Bài 5: Các kỹ thuật phân lớp và dự đoán (Phân lớp Bayes, Học cây quyết định) Bài 6: Các kỹ thuật phân lớp và dự đoán (Học dựa trên các láng giềng gần nhất, Học bằng mạng nơ-ron nhân tạo) Bài 7:.. | Xem..

Nguồn: National Taiwan University, Taiwan, 2008
Mã số: 17598 2011 192.3 kB 15 2,758 0  0  

Thực hành áp dụng kỹ thuật SVM (Support Vector Machine). SVM là một kỹ thuật thường được sử dụng để phân loại dữ liệu trong lĩnh vực khai phá thông tin, tuy vậy việc tiếp cận không hẳn thuận lợi, tài liệu này giúp tiếp cận SVM một cách nhanh chóng và có kết quả chấp nhận được. | Xem..

Nguồn: University of Southampton, 1998
Mã số: 17371 2011 1003.4 kB 66 12,594 0  0  

Sử dụng kỹ thuật SVM (Support Vector Machines) để phân loại và hồi qui. 1. Introduction 2. Support Vector Classification 3. Feature Space 4. Classification Example: IRIS data 5. Support Vector Regression 6. Regression Example: Titanium Data 7. Conclusions A. Implementation Issues B. Matlab SVM Toolbox | Xem..

Nguồn: Trường Đại học Bách khoa Hà Nội, 2010
Mã số: 14398 2010 901.1 kB 119 17,040 2  0  

Mở đầu Chương 1: Tổng quan phát hiện tri thức và khai phá dữ liệu Chương 2: Kỹ thuật phân loại trong khai phá dữ liệu Chương 3: Kỹ thuật phân cụm trong khai phá dữ liệu Chương 4: Cài đặt thử nghiệm Kết luận Tài liệu tham khảo Giáo viên HD: PGS.TS Nguyễn Ngọc Bình | Xem..

Nguồn: University of Minnesota, 2010
Mã số: 12238 2010 920.8 kB 22 8,881 1  0  

Phân cụm trong lĩnh vực khai phá dữ liệu là quá trình tạo nhóm tập hợp dữ liệu trên cơ sở tối đa sự tương đồng bên trong nhóm và tối thiểu hoá sự sự tương đồng giữa các nhóm. Tài liệu này giới thiệu về Chameleon, đây là một giải thuật cụm phân cấp dùng mô hình động, khá mới, dễ ứng dụng và dễ cài đặt.. 1. Introduction 2. Related Work 3... | Xem..

Nguồn: Microsoft, 2010
Mã số: 9945 2010 1.5 MB 13,456 2  1  

Hướng dẫn thực hiện Data Mining trên SQL Server 2005. Contents Introduction Mining Model Algorithms Working Through the Tutorial Preparing the SQL Server Database Preparing the Analysis Services Database Building and Working with the Mining Models | Xem..

Nguồn: Internet, 2010
Mã số: 3943 2010 725.0 kB 16,860 3  0  

Khai phá tri thức từ cơ sở dữ liệu là khai thác những thông tin hữu ích tiềm ẩn, không được biết trước trong cơ sở dữ liệu. Tài liệu cung cấp những kiến thức về nguồn dữ liệu, các kỹ thuật khai thác, mức độ hiệu quả, tính hữu dụng.. 1. KDD Process 2. Virtuous Cycle of Data Mining 3. Machine Learning Background 4. Confusion Matrix 5. Cumulative Gains Chart and Lift Chart 6. Data Cubes 7. Itemsets | Xem..

Nguồn: Trường Đại học KHTN TP.HCM, 2009
Mã số: 10448 2010 6.9 MB 256 41,212 10  2  

Bài 1. Tổng quan Bài 2. Qui trình chuẩn bị dữ liệu Bài 3. Khai thác tập phổ biến & luật kết hợp Bài 4. Phân lớp dữ liệu Bài 5. Gom nhóm dữ liệu Bài 6. Khai thác dữ liệu phức tạp | Xem..

Nguồn: Simon Fraser University, 2009
Mã số: 9931 2009 1.6 MB 20,495 5  0  

Nguyên lý và các kỹ thuật thực hiện Data Mining. Preface 1 Introduction 2 Data Warehouse and OLAP Technology for Data Mining 3 Data Preprocessing 4 Primitives for Data Mining 5 Concept Description: Characterization and Comparison 6 Mining Association Rules in Large Databases .. 10. Data Mining Applications and Trends in Data Mining | Xem..

Nguồn: Trường ĐH Quảng Bình, 2007
Mã số: 9492 2009 889.2 kB 43 6,868 9  2  

Tài liệu này trình bày tóm tắt một số vấn đề về phân cụm tài liệu web bằng kỹ thuật phân nhóm dữ liệu, nhằm nâng cao chất lượng xử lý tìm kiếm trong search engine. Khai phá dữ liệu Web bằng kỹ thuật phân cụm 1.1. Khai phá dữ liệu và phát hiện tri thức . 1.2. Kỹ thuật phân cụm trong khai phá dữ liệu 1.3. Khai phá Web 1.4. Xử lý dữ liệu văn bản ứng dụng trong.. | Xem..