组合数据挖掘

组合数学入门

组合数学探索离散对象的属性，它是离散数学的组成部分，在计算机科学的发展中扮演着重要的角色。

算法与数据结构 18 2024-04-30

MATLAB 中计算组合数

组合数公式为 n!/k!(n-k)!，其中 n 为元素总数，k 为从中选取的元素个数。

Matlab 19 2024-05-16

使用Python进行二进制组合数计算及输出每种组合

这个Python程序用于计算二进制组合数，相比递归方法更高效。如果您遇到无法运行的问题，请联系我获取TXT文件。

算法与数据结构 16 2024-07-16

基于双粒度数据挖掘的月度综合数据分析

月度综合数据构成 时间粒度: 最近3个月: 保留详细数据 3个月前: 仅保留汇总数据 空间粒度: 其它空间使用 双重粒度的呼叫信息 呼叫信息数据字段 (双粒度) 维度: 呼叫类型 IMSI号 主叫号码 被叫号码 通话开始时间 通话时长 通话位置 漫游类型 指标: 基本通话费 基本通话附加费 长途费 长度附加费 客户呼叫信息表字段 维度: 呼叫类型 IMSI号 主叫号码 被叫号码 通话开始时间 通话时长 通话位置 漫游类型 指标: 基本通话费 基本通话附加费 长途费 长度附加费

数据挖掘 10 2024-05-23

整合数据挖掘与预测分析的协作管理决策方法研究论文

在数字化时代，CRISP-Data Mining和预测分析已成为处理大数据的重要工具。大数据的特征在于三个重要因素——容量、速度和可变性。讨论了用于数据挖掘的CRISP-DM和机器学习算法，这些算法能够开发预测模型并帮助管理决策。另一方面，讨论了电信行业的流失预测，这对于保留有价值的客户非常重要。借助流行的机器学习算法，例如决策树、聚类、神经网络、关联分析、支持向量机C5.0算法技术等，用于确定电信行业的客户流失率。研究结果表明，最常见的机器学习算法是决策树、神经网络和回归，它们被有效和高效地用于预测电信行业的客户流失。

数据挖掘 10 2024-07-17

基于数据挖掘技术的电力负荷优选组合预测方法(2005年)

日负荷预测精度的提升关键在于数据预处理，提出了基于联合数据挖掘技术的电力负荷优选组合预测方法。利用多种挖掘技术寻找具有高度相似气象特征的历史日负荷数据序列，进而构建优选组合预测模型，强化规律性并减少干扰。

数据挖掘 15 2024-08-03

数据挖掘

研究生数据挖掘课程课件，供学习参考。

数据挖掘 20 2024-05-19

数据挖掘综述全面探索数据挖掘技术

数据挖掘综述：数据挖掘技术的广泛应用涵盖了从商业到科学研究的各个领域。随着数据量的增加和计算能力的提升，数据挖掘在发现模式和提供洞察方面发挥着关键作用。

Oracle 16 2024-07-27

数据挖掘Coursera在线学习数据挖掘课程

这是Coursera提供的一门关于数据挖掘的在线课程。

数据挖掘 10 2024-09-25

数据挖掘原理

数据挖掘原理 这是一本针对数据挖掘领域的入门书籍，英文版，适合初学者学习基础知识。书中包含详细的目录，方便读者查阅相关内容。

数据挖掘 19 2024-04-30