关联规则挖掘
(一) Apriori
(二) FilteredAssociator
(三) FPGrowth
(四) GeneralizedSequentislPatterns
(五) PredictiveApriori
(六) Tertius
Cluster
(一) CLOPE
(二) Cobweb
(三) DBSCAN
(四) EM
(五) FarthestFrist
(六) FilteredClusterer
(七) HierarchicalClusterer
(八) MakeDesityBasedClusterer
(九) OPITCS
(十) sIB
(十一) SimpleKMeans
(十二) XMeans
Classfiers
bayes
(一) AODE
(二) AODEsr
(三) BayesLogisticRegression
(四) BayesNet
(五) ComplementNativeBayes
(六) DMNBtext
(七) HNB
(八) NativeBayes
(九) NativeBayesMultinomial
(十) NativeBayesMultinomialUpdateable
(十一) NativeBayesSimple
(十二) NativeBayesUpdateable
(十三) WAODE
functions
(十四) GaussianProcesses
(十五) IsotoniRegression
(十六) LeastMedSq
(十七) LibLINEAR
(十八) LibSVM
(十九) LineerRegression
(二十) Logistic
(二十一) MultilayerPerceptron
(二十二) PaceRegression
(二十三) PLSClassifier
(二十四) RBFNetwrok
(二十五) SimpleLogistic
(二十六) SMO
(二十七) SMOreg
(二十八) SPegasos
(二十九) VotedPerceptron
(三十) Winnow
lazy
(三十一) IB1
(三十二) IBk
(三十三) KStar
(三十四) LBR
(三十五) LWL 局部加权学习
meta
(三十六) AdaBosstM1
(三十七) AdditiveRegression
(三十八) AttributeSelectedClassifier
(三十九) Bagging
(四十) ClassificationViaClustering
(四十一) ClassificationViaRegression
(四十二) CostSenstiveClassfier
(四十三) CVParameterSelection
(四十四) Dagging
(四十五) Decorate
(四十六) END
(四十七) FilteredClassfier
(四十八) Grading
(四十九) GridSearch
(五十) LogitBoost
(五十一) MetaCost
(五十二) MutiBoostAB
(五十三) MutiClassClassifier
(五十四) MutiScheme
(五十五) nestedDichitmies
(五十六) ND
(五十七) ClassBalancedND
(五十八) DataNearBalancedND
(五十九) OrinalClassClassifier
(六十) RaceIncrementalLogistBoost
(六十一) RandomCommittee
(六十二) RandomSubSpace
(六十三) RegressionByDiscretization
(六十四) RotationForest
(六十五) Stacking
(六十六) StackingC
(六十七) ThresholdSelector
(六十八) Vote
mi
1) CitationKNN
2) MDD
3) MIBoost
4) MIDD
5) MIEMDD
6) MILR
7) MINND
8) MIOptimalBall
9) MISMO
10) MISVM
11) MIWrapper
12) SimpleMI
misc
1. HyperPipes
2. SerialIzedClassifier
3. VFI
ruler
① ConjunctiveRule
② DecisionTable
③ DINB
④ JRip
⑤ M5Rules
⑥ NNge
⑦ OneR
⑧ PART
⑨ Prism
⑩ Ridor
11 ZeroR
trees
a. ADTree
b. BFTree
c. DecisionStump
d. FT
e. ID3
f. J48
g. J48graft
h. LADTree
i. LMI
j. M5P
k. NBTree
l. RandomForest
m. RandomTree
n. REPTree
o. SimpleCart
p. UserClassifier
- 上一篇:Mahout系列之----kmeans 聚类
- 下一篇:排序算法
暂无评论
- 2013年11月(23)
- Mahout系列之----距离度量(59)
- hadoop 部署和调优(42)
- hadoop学习要点(32)
- 自然语言处理中的若干问题(24)
- HBase性能调优(22)
- Weka 算法大全(19)
- Lucene 自动补全(18)
- Mapreduce 框架解析(18)
- HDFS读写数据过程(17)
- 机器学习常用算法(17)
- hadoop学习要点(1)
- 自然语言处理中的若干问题(0)
- Weka 算法大全(0)
- 排序算法(0)
- Hadoop 数据排序(一)(0)
- HDFS读写数据过程(0)
- Mapreduce 框架解析(0)
- HBASE表设计(0)
- HBase压缩(0)
- HBase性能调优(0)
-
hadoop学习要点
开心一刻: 很全面!
-
抓住机会,实现愿望
yueyedeai: 学习辅导员(Java): 送你一支鲜花,感谢你能真实的分享你的成长,一个人的自知是促进他快速成长的源...
-
抓住机会,实现愿望
yueyedeai: 静雅(Java): 好!!!原来是师兄啊,我也听过邱老师的课哦,是挺深入的。呵呵,挺高兴有你这么个师...
-
抓住机会,实现愿望
tianyabanzhu: 好!!!原来是师兄啊,我也听过邱老师的课哦,是挺深入的。
-
抓住机会,实现愿望
jierui1220: 送你一支鲜花,感谢你能真实的分享你的成长,一个人的自知是促进他快速成长的源动力。我作为一个培训机构的...
-
抓住机会,实现愿望
yueyedeai: 回复 Wangmx86:谢谢!
-
抓住机会,实现愿望
Wangmx86: 说的好 哥顶你 太有才了
相关推荐
Java实现对Weka算法的应用案例。Java实现对Weka算法的应用案例。Java实现对Weka算法的应用案例。
详细讲述了weka中EM算法解析,清晰,值得学习
最新版本的Weka包含的挖掘算法,比如说FP-Ttree算法
本工具包集成了Weka中最新的分类和聚类算法,将其打包成jar包,方便java开发者调用
列出了开源工具weka中已实现的各种数据挖掘算法
weka算法参数整理.pdf
weka所有算法的代码实现 使用JAVA语言
向Weka添加自己的算法 向Weka添加自己的算法
本文档详细介绍了AdaBost,Apriori,C4.5,CART,EM,K-means,KNN,PageRank,SVM与朴素贝叶斯算法
向weka中添加新算法,附件中包括pdf和FuzzyCMean代码 并对新版本的weka做了简单分析
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考...基于java的垃圾短信分类weka处理算法源码+项目说明.zip
本文档总结了Weka中各种常用算法的说明,希望对大家有所帮助!
Java调用weka神经网络算法预测股票,含有代码及数据,代码有详细解释,数据为大量数据。
JAVA课设使用weka包算法代码
给出的代码显示了如何使用 Matlab 在分布式计算机上并行运行 Weka 算法,以利用可用硬件并加快多个数据集或参数集的算法完成时间。 Weka 算法的并行处理在 Matlab 中处理,因为对 Weka 中并行处理的支持似乎尚未...
数据结构weka的算法分析数据结构weka的算法分析数据结构weka的算法分析
基于WEKA软件实现金融领域数据挖掘分析案例,分别使用随机森林,支持向量机等算法对大数据进行聚类分析,得出结论
在阐述了关联规则算法Apriori要义的基础上,解读了其在Weka系统中的具体实现。详细分析了 weka源代码中实现Apriori算法的基础核心类包和算法实现类包中的关键类以及这些类内部的关键函数及变 量,为探索通过weka源...