IvanSSSS

摘要： Apriori算法需要产生大量候选项集，重复计算support_count 把事务集中关联信息及count记录在树上，扫描树即可 FP树主要分成两步 = FP树构建 + FP树挖掘 构造初始FP树 => 挖掘FP树获得条件模式基 => 构造条件FP树 => 挖掘条件FP树 => ... 如此递归直至 阅读全文

摘要： 经典TF-IDF=tf*log(N/n) 在weka中StringToWordVector： IDFTransform=true, TFTransform=false, ouputWordCounts=True 才对 之前一直没设置ouputWordCounts... 坑比... 阅读全文

摘要： 关联规则 项的集合T={I1,I2,...Im} 事务集D 每个事务t∈D， t由T中某些项组成。 关联规则：A=>B support(A=>B)=P(A∪B) confidence(A=>B)=P(B|A)=support(A∪B)/support(A)=count(A∪B)/count(A) f 阅读全文

摘要： 前一章神经网络是有监督学习的，自编码神经网络是无监督学习的，使用反向传播算法，让目标值=输入值。 1）隐藏层单元数少 迫使神经网络进行数据压缩，找到有趣的结构，与PCA相似 做法和普通神经网络一样，只是y=x 2）隐藏层单元数多 给隐藏层加入稀疏性限制 - 对sigmoid函数来说，输出接近1为激活 阅读全文