本书针对数据的海量性、复杂性、高维性、模糊性和不完整性，对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究。设计与实现了基于密度和自适应密度可达聚类算法、基于簇特征的动态增量聚类算法、并行聚类算法、基于密度加权的模糊聚类算法、高唯复杂数据聚类算法、基于数据场的聚类算法、基于距离的量化关联规则和基于数据场的量化关联规则算法，给出了在矿产资源评价、遥感图像分类、矿业经济分析中的应用例证。全书共分11章，主要内容包括：绪论，基于密度和密度可达聚类分析，基于簇特征的动态增量聚类分析，并行聚类分析，基于密度加权的模糊聚类分析，高唯复杂数据聚类分析，基于数据场的聚类分析，基于距离的量化关联规则，基于数据场的量化关联规则，数据挖掘结果可视化和数据挖掘算法应用。

美的从制造到智造-数字化转型之路(1).pdf

基于attention文本分类代码基于attention文本分类代码基于attention文本分类代码

10多年程序猿经验总结openmv4形状识别

数据挖掘项目 推文聚类 目标： 主Twitter API用于提取推文 掌握自然语言处理 数据清理 推文分类 要求： Twitter开发人员帐户 Twitter API 1-数据提取： 导入库（tweepy +熊猫+ numpy） 连接到Twitter API 将推文提取到多个csv文件中，然后将它们组合到一个csv文件中 2-处理前的推文： 使用re库搜索不必要的信息。 删除标点符号，主题标签，个人资料名称，URL和表情符号。 创建一个新的干净的CSV文件 3-处理推文：自然语言处理 导入nltk（自然语言工具包），它由最常用的算法组成，例如标记化，词性标记，词干，情感分析，主题细分和命名实体识别。 NLTK帮助计算机分析，预处理和理解书面文本。 使用“停用词”摆脱英语单词，这些单词不会给句子增加太多含义。 在不牺牲含义的前提下，可以安全地忽略它们。 使用“ Porte

该课件是南京大学软件学院数据挖掘课的课件，该课是南京大学软件学院企业计算方向的核心课程

中科大软院，数据挖掘与数据仓库课程的课堂讲义PPT。

信息论基础，熵，联合熵，条件熵，互信息，交叉熵

鸢尾花数据集，数据挖掘的入门数据集

描述了电信用户是否流失以及其相关信息，共包含7044条数据，共20个字段，介绍下各个字段： customerID ：用户ID。 gender：性别。（Female & Male） SeniorCitizen ：老年人 （1表示是，0表示不是） Partner ：是否有配偶 （Yes or No） Dependents ：是否经济独立 （Yes or No） tenure ：客户的职位（0-72，共73个职位） PhoneService ：是否开通电话服务业务 （Yes or No） MultipleLines：是否开通了多线业务（Yes 、No or No phoneservice 三种） InternetService：是否开通互联网服务 （No, DSL数字网络，fiber optic光纤网络 三种） OnlineSecurity：是否开通网络安全服务（Yes，No，No internetserive 三种） OnlineBackup：是否开通在线备份业务（Yes，No，No internetserive 三种） DeviceProtection：是否开通了设备保护业务（Yes，