常见面试之机器学习算法思想简单梳理
2014-04-16 21:51
239 查看
然后从频率最小的单项P开始,找出P的条件模式基,用构造FP_Tree同样的方法来构造P的条件模式基的FP_Tree,在这棵树上找出包含P的频繁项集。
依次从m,b,a,c,f的条件模式基上挖掘频繁项集,有些项需要递归的去挖掘,比较麻烦,比如m节点,具体的过程可以参考博客:Frequent
Pattern 挖掘之二(FP Growth算法),里面讲得很详细。
参考资料:
Harrington, P. (2012). Machine Learning in Action, Manning
Publications Co.
最近邻算法(维基百科)
马氏距离(维基百科)
聚类(百度百科)
https://www.coursera.org/course/ml
SVD在推荐系统中的应用
吴军 and 谷歌 (2012). 数学之美, 人民邮电出版社.
2010龙星计划:机器学习 对应的视频教程:2010龙星计划机器学习视频教程
GBDT(MART)
迭代决策树入门教程 | 简介
Ng的cs229课程资料
斯坦福大学公开课
:机器学习课程
Frequent
Pattern 挖掘之二(FP Growth算法)
相关文章推荐
- 常见面试之机器学习算法思想简单梳理
- 常见面试之机器学习算法思想简单梳理
- 常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记(常见面试之机器学习算法思想简单梳理)
- [数据挖掘与机器学习] 常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 常见面试之机器学习算法思想简单梳理(上)
- 常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 常见面试之机器学习算法思想简单梳理
- 常见面试之机器学习算法思想简单梳理(下)
- 常见面试之机器学习算法思想简单梳理
- 机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
- 常见面试之机器学习算法思想简单梳理