《数据挖掘Clementine应用实务》数据文件

《数据挖掘Clementine应用实务》数据文件

  • 大小:5.3 MB
  • 类型:数据挖掘
  • 格式:PDF
  • 出版:机械工业出版社
  • 作者:谢邦昌
  • 更新:2022-11-03 09:19:20
版权投诉 / 资源反馈(本资源由用户 家玉华 投稿)

给大家整理一篇数据挖掘类书籍配套资源,介绍了关于数据挖掘、Clementine、数据文件、数据挖掘方面的内容,本书是由机械工业出版社出版,已被764人关注,由余含烟测试纠错,目前本书在数据挖掘类综合评分为:7.6分。

资源介绍

封面图

目录

  • 推荐序一
  • 推荐序二
  • 第1章数据挖掘简介
  • 11何谓数据挖掘
  • 12数据仓库、 KDD、 数据挖掘的关系
  • 13数据挖掘的应用
  • 14数据挖掘的进行步骤
  • 15个案研究
  • 16数据挖掘的分析方法
  • 161分类
  • 162决策树
  • 163回归
  • 164时间序列
  • 165聚类
  • 166关联规则
  • 167顺序规则
  • 168其他分析方法
  • 17数据挖掘的运用理论与实际运用功能
  • 18数据挖掘软件
  • 19数据挖掘在CRM中扮演的角色
  • 191客服中心是顾客关系管理的火
  • 车头
  • 192从客服中心角度看顾客关系
  • 管理
  • 第2章Clementine 110简介
  • 21Clementine的安装与启动
  • 211安装Clementine 110
  • 212启动Clementine 110
  • 22Clementine 110一览
  • 221Clementine 110界面
  • 222在Clementine 110中使用鼠标
  • 223利用快捷键
  • 224Clementine 110中获得帮助
  • 23Clementine选项设置
  • 231系统选项
  • 232默认目录的设置
  • 233用户选项的设置
  • 24Clementine自动化
  • 25Clementine 110版本的新功能
  • 251商业品质的图形展示
  • 252改进的SPSS输出节点
  • 253增强的数据审核节点
  • 254增强的数据变换节点
  • 255优化分块节点
  • 256SPSS转换节点
  • 257改进的数据挖掘模型和算法
  • 258运行效率、 安全性和远程部署
  • 第3章数据挖掘入门
  • 31数据挖掘回顾
  • 32机器学习技术
  • 321神经网络
  • 322规则归纳
  • 323Kohonen网络
  • 324关联规则
  • 325统计模型
  • 326聚类模型
  • 33潜在数据挖掘应用评估
  • 34数据挖掘的策略
  • 35数据挖掘中的小技巧
  • 第4章构建数据流
  • 41概述
  • 42建立数据流
  • 421节点的操作
  • 422数据流的操作
  • 423执行数据流
  • 424保存数据流
  • 425装载文件
  • 426映射数据流
  • 第5章处理缺失值
  • 51概述
  • 52指定缺失值
  • 53处理缺失值
  • 531处理带缺失值的记录
  • 532处理带缺失值的字段
  • 54针对缺失值的CLEM函数
  • 第6章来源节点
  • 61概述
  • 62变量文件节点
  • 63固定文件节点
  • 64为文本区设置数据存储
  • 65数据库节点
  • 651设置数据库节点选项
  • 652添加数据库连接
  • 653选择表
  • 654数据库查询
  • 66SPSS导入节点
  • 67多维数据集导入节点
  • 68SAS导入节点
  • 69Excel输入节点
  • 610用户输入节点
  • 611一般来源节点项目
  • 6111在来源节点中设置数据类型
  • 6112在来源节点处过滤字段
  • 第7章记录操作节点
  • 71概述
  • 72选择节点
  • 73抽样节点
  • 74均衡节点
  • 75聚合节点
  • 76排序节点
  • 77合并节点
  • 771指定合并方法和关键字段
  • 772从合并节点过滤字段
  • 773设置输入顺序并加上卷标
  • 78区分节点
  • 79附加节点
  • 第8章字段操作节点
  • 81概述
  • 82类型节点
  • 821数据类型
  • 822什么是实例化
  • 823读取数据值
  • 824缺失值处理
  • 825检查类型值
  • 826设置字段方向
  • 827复制类属性
  • 83过滤节点
  • 84导出节点
  • 841设置导出节点的基本选项
  • 842导出多重字段
  • 843设置导出规则选项
  • 844设置导出标记选项
  • 845设置导出设置节点选项
  • 846设置导出状态选项
  • 847设置导出计数选项
  • 848设置导出条件选项
  • 85导出节点
  • 86再分类节点
  • 87分块节点
  • 88分割节点
  • 89设置标记节点
  • 810调整节点
  • 811换位节点
  • 812时间间隔节点
  • 813历史节点
  • 814字段记录节点
  • 815SPSS转移节点
  • 第9章建立CLEM 表达式
  • 91什么是CLEM
  • 911值及数据类型
  • 912表达式及条件
  • 92使用表达式编辑器
  • 921获取表达式编辑器
  • 922构造表达式
  • 923选择函数
  • 924选择字段、 参数以及全局变量
  • 925选择变量值
  • 926检查CLEM表达式
  • 93CLEM函数类型
  • 94CLEM的常见用法
  • 941对字符串的操作
  • 942处理空缺和缺失值
  • 943处理数字
  • 944处理时间和日期
  • 第10章图节点
  • 101概述
  • 1011层迭图
  • 1012三维图像
  • 1013动画效果
  • 102建立图
  • 1021为图设置输出选项
  • 1022设置图外观选项
  • 103使用图
  • 104点图节点
  • 1041为点图节点设置选项
  • 1042使用点图
  • 105分布节点
  • 1051设置分布节点选项
  • 1052使用一个分布图
  • 106直方图节点
  • 1061设置直方图节点更多选项
  • 1062使用一个直方图
  • 107堆积图节点
  • 1071设置堆积图节点的更多选项
  • 1072堆积图的使用
  • 108多点图节点
  • 1081为多点图节点设置选项
  • 1082使用一个多点图
  • 109网络图节点
  • 1091设置网络图节点选项
  • 1092设置网络图节点的更多选项
  • 1093网络图节点的外观选项
  • 1010评估图表节点
  • 10101设置评估图表节点选项
  • 10102设置评估图表的更多选项
  • 10103读取模型评估的结果
  • 10104一个评估图表的使用
  • 1011时间序列点图
  • 10111时间序列点图设置选项
  • 10112时间序列点图的显示选项
  • 10113时间序列点图的输出选项
  • 10114使用一个时间序列点图
  • 第11章建模节点
  • 111概述
  • 112建模节点字段选项
  • 113二进位分类节点
  • 1131二进位分类节点模型选项
  • 1132二进位节点的高级选项
  • 1133二进位节点的Discard选项
  • 114神经网络节点
  • 1141神经网络节点模型选项
  • 1142神经网络节点的附加选项
  • 1143神经网络节点高级选项——
  • 快速方法
  • 1144神经网络节点高级选项——
  • 多重方法
  • 1145神经网络节点高级选项——
  • 修剪方法
  • 1146神经网络节点高级选项——
  • RBFN方法
  • 1147神经网络节点学习比率
  • 115C50节点
  • 1151C50节点模型选项
  • 1152错误归类损失选项
  • 116分类回归树节点
  • 1161分类回归树节点模型选项
  • 1162分类回归树节点高级选项
  • 1163分类回归树节点终止选项
  • 1164分类回归树节点先验概率
  • 选项
  • 117QUEST节点
  • 1171QUEST分类模型选项
  • 1172QUEST高级选项
  • 1173QUEST的成本选项
  • 118CHAID
  • 1181CHAID模型选项
  • 1182CHAID高级选项
  • 1183CHAID的成本选项
  • 119决策表
  • 1191决策表模型选项
  • 1192决策表高级选项
  • 1110Kohonen 节点
  • 11101Kohonen 节点模型选项
  • 11102Kohonen 节点高级选项
  • 1111KMeans节点
  • 11111KMeans 节点型选项
  • 11112KMeans 节点高级选项
  • 1112两步聚类节点
  • 1113时间序列节点
  • 1114异常探测节点
  • 11141异常探测节点模型选项
  • 11142异常节点高级选项
  • 1115Apriori 节点
  • 11151Apriori 节点模型选项
  • 11152Apriori 节点高级选项
  • 1116广义规则归纳节点
  • 1117Carma规则分析
  • 11171Carma规则的模型选项
  • 11172Carma高级选项
  • 1118序列节点
  • 11181序列节点字段选项
  • 11182序列节点模型选项
  • 11183序列节点高级选项
  • 1119因子分析/主成分分析
  • 11191因子分析/主成分分析
  • 模型选项
  • 11192因子分析/主成分分析
  • 高级选项
  • 11193因子分析/主成分分析
  • 旋转选项
  • 1120特征选择节点
  • 11201特征选择节点的模型选项
  • 11202特征选择节点的附加选项
  • 1121线性回归节点
  • 11211线性回归节点模型选项
  • 11212线性回归节点高级选项
  • 11213线性回归节点单步选项
  • 11214线性回归节点输出选项
  • 1122Logistic回归节点
  • 11221Logistic回归节点模型选项
  • 11222Logistic回归节点高级选项
  • 11223Logistic回归节点收敛选项
  • 11224Logistic回归输出选项
  • 1123判别分析节点
  • 11231判别分析节点模型选项
  • 11232判别分析的高级选项
  • 1124广义线性模型
  • 11241广义线性模型选项
  • 11242广义线性模型的高级选项
  • 第12章输出节点
  • 121概述
  • 122使用输出
  • 123输出浏览菜单
  • 124输出节点输出页签
  • 125表格节点
  • 1251表格节点设置页签
  • 1252表格节点格式页签
  • 1253表格浏览器
  • 126矩阵节点
  • 1261矩阵节点设置页签
  • 1262矩阵节点外观页签
  • 1263矩阵输出浏览器
  • 127分析节点
  • 1271分析节点Analysis页签
  • 1272分析输出浏览器
  • 128数据审查节点
  • 1281数据审查节点页签
  • 1282数据审查输出浏览器
  • 129转换节点
  • 1291转换节点设置标签
  • 1292转换输出浏览器
  • 1210统计量节点
  • 12101统计量节点设置页签
  • 12102统计量输出浏览器
  • 1211均值节点
  • 12111均值节点设置标签
  • 12112均值节点选项标签
  • 12113均值节点输出标签
  • 12114均值节点输出浏览器
  • 1212报告节点
  • 12121报告节点模板页签
  • 12122报告节点输出浏览器
  • 1213设置全局节点
  • 1214SPSS 输出节点
  • 12141SPSS 程序节点语法页签
  • 12142SPSS 程序输出浏览器
  • 1215数据库输出节点
  • 1216平面文件节点
  • 1217SPSS 导出节点
  • 1218SAS导出节点
  • 1219Excel导出节点
  • 1220方案发布节点
  • 1221应用软件帮助
  • 第13章生成模型
  • 131概述
  • 132在生成模型选项板中利用生成
  • 模型进行操作
  • 133在数据流中使用生成模型
  • 134使用生成模型浏览器
  • 135生成二进制分类器
  • 136生成网络节点
  • 1361生成的神经网络概要页签
  • 1362从神经网络中生成一个
  • 过滤节点
  • 137生成C50节点
  • 138生成C&R决策树
  • 1381决策树模型页签
  • 1382决策树浏览页签
  • 1383决策树概要页签
  • 1384从决策树生成规则集
  • 139生成QUEST节点
  • 1310生成CHAID节点
  • 1311生成决策表
  • 1312生成Kohonen节点
  • 1313生成KMeans节点
  • 13131生成的KMeans模型页签
  • 13132生成的KMeans概要页签
  • 1314生成两步聚类节点
  • 13141生成的两步聚类模型页签
  • 13142生成的两步概要页签
  • 1315生成时间序列节点
  • 1316生成异常探测节点
  • 1317生成Apriori节点
  • 1318生成GRI节点
  • 1319生成Carma节点
  • 1320生成序列规则序列节点
  • 13201生成的序列规则节点
  • 13202序列规则模型页签
  • 13203序列规则的概要页签
  • 13204从序列规则节点生成规则
  • 超级节点
  • 1321因子分析/主成分分析节点
  • 13211因子分析/主成分分析
  • 模型页签
  • 13212因子分析/主成分分析
  • 概要页签
  • 13213因子分析/主成分分析
  • 高级输出
  • 1322生成特征选择节点
  • 1323Logistic回归方程节点
  • 13231Logistic回归方程概要页签
  • 13232高级Logistic回归输出
  • 1324生成线性回归模型
  • 13241线性回归概要页签
  • 13242线性回归模型的高级输出
  • 1325判别分析
  • 1326广义线性回归模型
  • 1327未精练的规则模型
  • 13271未精练规则的模型页签
  • 13272未精练规则的概要页签
  • 13273生成规则集
  • 1328生成的规则集节点
  • 13281生成的规则集模型页签
  • 13282生成的规则集概要页签
  • 第14章PMML输出模型
  • 141概述
  • 142用PMML输出
  • 第15章超级节点
  • 151概述
  • 152超级节点类型
  • 153创建一个超级节点
  • 1531嵌套超级节点
  • 1532有效超级节点举例
  • 1533无效超级节点举例
  • 154编辑超级节点
  • 1541修改超级节点的类型
  • 1542注释和重命名超级节点
  • 1543超级节点参数
  • 1544超级节点和暂存
  • 1545超级节点和脚本
  • 155保存并装载超级节点
  • 第16章建立项目和报告
  • 161项目介绍
  • 1611CRISPDM浏览窗口
  • 1612Classes浏览窗口
  • 162建立项目
  • 1621增加新项目
  • 1622加入到项目中
  • 1623设置项目属性
  • 1624评注项目
  • 1625对象属性
  • 1626关闭项目
  • 163建构报告
  • 1631生成报告
  • 1632保存和输出报告
  • 第17章批处理模式
  • 171批处理模式一览
  • 172在批处理模式下工作
  • 1721软件调用
  • 1722使用命令行参数
  • 1723批处理模式日志文件
  • 1724批处理模式中的脚本编程
  • 1725在批处理模式中使用参数
  • 1726在批处理模式下输出
  • 第18章Clementine 110中的脚本
  • 编程
  • 181脚本编程介绍
  • 1811脚本类型
  • 1812Clementine脚本范例
  • 182在用户接口上进行脚本编程
  • 1821在流中使用脚本
  • 1822在超级节点中使用脚本
  • 1823使用独立脚本
  • 183以批处理模式编写脚本
  • 第19章Clementine外部模块接口
  • 191概述
  • 192执行CEMI
  • 193系统体系结构
  • 194规范说明文件
  • 1941参数
  • 1942外部程序
  • 1943命令行选项
  • 1944编辑对话框
  • 1945输入和输出字段
  • 1946输入和输出文件
  • 1947元文件
  • 1948结果
  • 1949返回代码
  • 195限制
  • 196规范说明文件范例
  • 1961节点说明
  • 1962核心说明
  • 1963参数
  • 1964执行
  • 1965选项
  • 1966控件
  • 1967输出字段
  • 1968输出数据
  • 1969返回代码
  • 19610完整的规范文件
  • 197CEMI节点管理
  • 1971增加CEMI节点
  • 1972清除CEMI节点
  • 198编写外部程序的技巧
  • 第20章应用范例
  • 201概述
  • 202状态监测范例
  • 2021审视数据
  • 2022数据准备
  • 2023学习
  • 203测试
  • 2031欺诈探测范例
  • 2032数据采集
  • 2033数据探索
  • 2034训练神经网络
  • 2035总结
  • 204零售业范例
  • 2041数据审核
  • 2042学习和测试
  • 205市场购物篮分析范例
  • 2051获取数据
  • 2052购物关联分析
  • 2053客户细分
  • 2054小结
  • 第21章ACMR企业数据库挖掘研究
  • 211研究背景
  • 212操作过程
  • 附录A命令行参数
  • 附录BCLEM 语言参考
  • 附录C脚本语言参考
  • 附录D节点及流属性
  • 附录ECEMI规范文件参考
  • 参考文献
  • 英文参考文献
  • 后记

以上就是本次关于配套资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

精选笔记:深入分析python数据挖掘 Json结构分析

14小时28分钟前回答

这篇文章通过实例给大家分析总结了python数据挖掘以及Json结构分析的相关知识点,对此有兴趣的朋友参考下。

深入分析python数据挖掘 Json结构分析

json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式

深入分析python数据挖掘 Json结构分析

这种格式的文件是我们在数据处理经常会遇到的

python提供内置的模块json,只需要在使用前导入即可

深入分析python数据挖掘 Json结构分析

你可以通过帮助函数查看json的帮助文档

深入分析python数据挖掘 Json结构分析

json常用的方法有load、loads、dump以及dumps,这个都属于python初级,我不做过多解释

json可以结合数据库一起使用,在这以后要处理大量数据时非常有用

下面我们正式来利用数据挖掘对json文件进行处理

现在很多网站都运用了Ajax,所以一般很多都是XHR文件

通过这里我想利用一个地图网站来演示

深入分析python数据挖掘 Json结构分析

我们通过浏览器的调试获取了相关url

https://ditu.amap.com/service/poiInfo?id=B001B0IZY1&query_type=IDQ

下面我们通过requests模块中的get方法,模拟浏览器发出的http请求,并返回的到的结果对象

代码如下

# coding=utf-8
__Author__ = "susmote"

import requests
url = "https://ditu.amap.com/service/poiInfo?id=B001B0IZY1&query_type=IDQ"

resp = requests.get(url)
print(resp.text[0:200])

在终端中运行结果如下

深入分析python数据挖掘 Json结构分析

数据已经获取到了,但是为了接下来能使用这些数据,我们需要利用json模块对这些数据进行分析

代码如下

import requests
import json

url = "https://ditu.amap.com/service/poiInfo?id=B001B0IZY1&query_type=IDQ"

resp = requests.get(url)

json_dict = json.loads(resp.text)

print(type(json_dict))

print(json_dict.keys())

简单讲一下上面的代码:

导入json模块,然后调用loads方法,将返回的文本作为方法的参数传入

在终端中运行结果如下

深入分析python数据挖掘 Json结构分析

可以看出,转换的结果是与json字符串对应的字典,因为type(json_dict)返回的是<class 'dict'>

因为对象是一个字典,所以我们可以调用字典的方法,在这里我们调用的就是keys方法

结果返回三个键,即status、searcOpt、data

下面我们来查看data键里面的数据

import requests
import json

url = "https://ditu.amap.com/service/poiInfo?id=B001B0IZY1&query_type=IDQ"

resp = requests.get(url)

json_dict = json.loads(resp.text)

print(json_dict['data'])

下面在终端中运行这一段代码

深入分析python数据挖掘 Json结构分析

可以看到里面有很多我们需要的数据,如

深入分析python数据挖掘 Json结构分析

不一一标出,通过跟网页显示的相比较,就能清楚哪些是有用的了

下面我们通过代码获取有用的信息,把它清晰的输出

# coding=utf-8
__Author__ = "susmote"

import requests
import json

url = "https://ditu.amap.com/service/poiInfo?id=B001B0IZY1&query_type=IDQ"

resp = requests.get(url)

json_dict = json.loads(resp.text)

data_dict = json_dict['data']

data_list = data_dict['poi_list']

dis_data = data_list[0]

print('城市: ', dis_data['cityname'])
print('名称: ', dis_data['name'])
print('电话: ', dis_data['tel'])
print('区号: ', dis_data['areacode'])
print('地址: ', dis_data['address'])
print('经度: ', dis_data['longitude'])
print('纬度: ', dis_data['latitude'])


因为返回的是一个字典,通过对文件结构的研究,字典中嵌套着列表,列表中又嵌套着字典,通过层层解套,成功获取数据

我这里把步骤分开列出了,所以你会看的更加清楚

下面我们通过终端运行程序,获取我们想要的信息

深入分析python数据挖掘 Json结构分析

是不是非常简单了,这个程序可以作为一个模版,获取其他地方的信息时只需要改一个url即可

例如以下几个范例

北京大学

深入分析python数据挖掘 Json结构分析

或者是腾讯大厦

深入分析python数据挖掘 Json结构分析

数据挖掘是没有尽头的,希望大家多分析数据,找到你想要的数据

相关推荐:

Python数据怎么处理numpy.median

以上就是深入分析python数据挖掘 Json结构分析的详细内容,更多请关注码农之家其它相关文章!

数据挖掘相关资源

  • 数据挖掘原理、算法及应用

    数据挖掘原理、算法及应用

    数据挖掘原理、算法及应用 作者:李爱国 编 出版时间:2012年版 《高等学校计算机专业“十二五”规划教材:数据挖掘原理、算法及应用》以各类数据挖掘算法为核心,以智能数据分析技术的发展为主线,结合作者自身的研究和应用经验,阐述数据挖掘研究领域的主要理论和典型算法。全书共分8章:第1章为绪论;第2-5章分别介绍数据挖掘的主要技术、各类典型算法及其编程实现,包括数据预处理技术,关联规则挖掘技术、分类技术,聚类技术等几大类

    大小:17.83MB数据挖掘电子书

  • 基于R语言数据挖掘的统计与分析

    基于R语言数据挖掘的统计与分析

    R语言的功能越来越丰富,越来越多的人对R语言产生了兴趣。本书是为了让对R语言有兴趣的读者能更加了解R语言,了解大数据时代的数据挖掘等,感兴趣的可以下载学习

    大小:38.7 MBR语言电子书

  • 实战大数据:MATLAB数据挖掘详解与实践

    实战大数据:MATLAB数据挖掘详解与实践

    这是一本真正具备中国特色的数据挖掘手册,各种常规方法一应俱全,作者是高校教授,同时也是若干公司的数据挖掘顾问,难得的理论储备与实践经验都十分深厚,表达能力也很强,也了解痛点。基于这些背景创作的这本书,非常好。感兴趣的可以下载学习

    大小:171 MBMATLAB电子书

  • 新媒体数据挖掘:基于R语言

    新媒体数据挖掘:基于R语言

    旨在为计算传播和计算社会科学领域的读者提供学习R编程语言和开发平台的捷径,希望能够填补这方面的空白,感兴趣的可以下载学习

    大小:86 MBR语言电子书

  • R语言数据挖掘方法及应用

    R语言数据挖掘方法及应用

    大数据不仅意味着数据的积累、存储与管理,更意味着大数据的分析。数据挖掘无可争议地成为当今大数据分析的核心利器。R语言因彻底的开放性策略业已跻身数据挖掘工具之首列。

    大小:188 MBR语言电子书

  • 数据挖掘与预测分析

    数据挖掘与预测分析

    提供了从数据准备到探索新数据分析、数据建模及模型评估等整个数据分析过程的内容,提供了能够使读者利用现实世界数据集开展数据挖掘与预测分析的应用方法,欢迎下载

    大小:119.6 MB数据分析电子书

  • Python数据挖掘入门与实践

    Python数据挖掘入门与实践

    在统计数据经营规模极速澎涨的互联网时代,大数据挖掘此项鉴别关键统计数据的关键技术正充分发挥愈来愈关键的功效。它将授予你处理具体难题的战斗力:分折体育比赛結果、广告投放、

    大小:8.8 MBPython电子书

  • 《MATLAB基础与应用实例集粹》源代码

    《MATLAB基础与应用实例集粹》源代码

    内容介绍 MATLAB作为一套高性能的数值计算和可视化数学软件,已经广泛地应用于自动控制、数值和符号计算、工程与科学绘图、数字图像处理、数字信号处理、通信系统设计与仿真以及财务与金融工程等各个领域。本书系统介绍了MATLAB 7的基础知识和基本命令,包括程序设计环境、数值运算、基本绘图处理、与其他程序的接口设计、Simulink仿真基础、电路分析、信号处理等内容;并以工程和实际应用为背景,通过大量的实例详细地介绍了MATLAB控制系统仿

    大小:375.41 KBMATLAB配套资源

  • 运筹学的原理和方法(第2版)

    运筹学的原理和方法(第2版) 课后答案

    在人类进入21世纪之际,随着我国现代化建设事业的蓬勃发展,管理现代化已是摆在我们面前的一项紧迫任务。 为满足广大从事经济管理的实际工作者学习现代化管理方法的需要,本书选编了在经济管理工作中常用的一些数学内容,主要有线性代数、概率论与数理统计、线性规划等。在介绍了一些必要的数学基本概念、基本原理之后,本书着重叙述了这些数学方法的计算步骤和应注意的问题,同时主要介绍了这些方法在经济管理工作中的应用。本书力求

    大小:805 KB运筹学课后答案

  • 从机器学习到深度学习

    从机器学习到深度学习

    大小:25.7 MB机器学习

  • 计算机系统结构教程

    计算机系统结构教程 课后答案

    计算机系统结构是计算机科学与技术专业的一门主干课程。其目的在于向学生讲授计算机的各种体系结构,使学生学习和掌握设计新型计算机的思想、方法和步骤。全书共分为9章,分别介绍了计算机系统的层次结构、类型、性能分析方法及其发展过程,计算机中数据的类型与表示、指令系统的设计思想以及CISC与RISC计算机的性能比较,存储器体系结构的基本原理、虚拟存储器、Cache及其管理模式,标量流水线工作原理、流水线的实现与控制方法,向量处

    大小:536 KB计算机系统课后答案

  • 《微机组装与维护》习题答案,教案

    《微机组装与维护》习题答案,教案

    本书主要介绍与微机组装与维护相关的内容,包括微机组装基础知识、主板、CPU、内存、其他存储设备、显示设备、声卡和音箱、机箱和电源、常见输入设备、网络设备、常见微机外部设备、微机组装流程、BIOS设置详解、硬盘分区与管理、安装操作系统、安装与管理软件、硬件系统性能测试、微机硬件的维护与优化、操作系统的维护与优化、微机的安全与病毒防治、常见故障分析与处理,并简单讲解了多台微机组建局域网的相关知识。 本书在各章后面

    大小:47.9 MB微机组装维护配套资源

下载地址

学习笔记

10小时54分钟前回答

python数据挖掘需要学什么

只要能解决实际问题,用什么工具来学习数据挖掘都是无所谓,这里首推Python。 需要掌握Python中的哪些知识? (推荐学习:Python视频教程) 1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对……