Advertisement

吉林大学数据挖掘作业第一题

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
这段内容是吉林大学数据挖掘课程中的第一个作业任务,旨在通过实践加深学生对数据预处理、特征选择及基础算法的理解与应用。 “数据包”中的文件包含了某课程的学习数据,分为三个部分: 第一部分是“入学信息”,包括学生的性别、民族、外语语种、高考分数以及省份等基本信息。 第二部分为“线上学习数据”,记录了学生在线上的活动情况(每个文件对应一个自然班,多个工作表反映了线上学习的不同方面); 第三部分是“上机考试”,记录了在计算机实验室进行的编程考试完成情况,包括三个实验组、四次平时测试和一次期末测试的成绩。 其中,“SID”作为学生的唯一标识。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    这段内容是吉林大学数据挖掘课程中的第一个作业任务,旨在通过实践加深学生对数据预处理、特征选择及基础算法的理解与应用。 “数据包”中的文件包含了某课程的学习数据,分为三个部分: 第一部分是“入学信息”,包括学生的性别、民族、外语语种、高考分数以及省份等基本信息。 第二部分为“线上学习数据”,记录了学生在线上的活动情况(每个文件对应一个自然班,多个工作表反映了线上学习的不同方面); 第三部分是“上机考试”,记录了在计算机实验室进行的编程考试完成情况,包括三个实验组、四次平时测试和一次期末测试的成绩。 其中,“SID”作为学生的唯一标识。
  • 课程2020.zip
    优质
    该资料为吉林大学学生在2020年完成的数据挖掘课程作业集合,包含多个实际项目案例与分析报告。 数据包中的文件包含某课程的学习数据,分为三个部分:“入学信息”,包括学生的性别、民族、外语语种、高考分数以及省份等基本信息;“线上学习数据”,记录了学生在线上的活动情况(每个文件对应一个自然班,不同的worksheet反映了不同方面的线上学习情况);“上机考试”则包含了在机房进行的编程考试的成绩和完成情况,具体分为三个实验组,并且有四次平时测试和一次期末测试。其中,“SID”是用于唯一标识学生的编号。
  • 国科.docx
    优质
    该文档是国科大数据挖掘课程中的首次作业,旨在通过实践任务帮助学生理解并应用数据挖掘的基本概念和方法。 国科大数据挖掘第一次作业,仅供参考。
  • 刘莹的国科课程
    优质
    这是刘莹在国科大所修读的一门数据挖掘课程中的首次作业展示。该作业体现了学生对课程初期内容的理解与应用能力。 假设一个数据仓库包含四个维度:日期、观众、地点和比赛,并且有两个度量值:计数和费用,其中费用是指在特定日期观看某场比赛的观众所支付的票价。观众可以是学生、成人或老年人,每个类别都有不同的收费标准。 (a) 请绘制该数据仓库的星型模式图。 (b) 从基础立方体[date, spectator, location, game]开始,请描述应执行哪些具体的OLAP操作以列出在洛杉矶观看比赛的学生观众支付的总费用。 (c) 位图索引是一种非常有用的优化技术。请阐述在这种特定的数据仓库中使用位图索引的优点和缺点。
  • 刘莹三次国科
    优质
    简介:刘莹同学正在进行她的第三次国家级科学与大数据挖掘课程作业,深入探索数据分析技术在科研中的应用。 国科大数据挖掘刘莹第三次作业。
  • 国科刘莹二次
    优质
    这段简介可以描述为:“国科大刘莹第二次数据挖掘作业”是刘莹同学在攻读中国科学技术大学期间完成的一份重要课程作业。该作业深入探索了数据挖掘的相关技术与应用,展现了她在数据分析和处理方面的专业能力。 1. 考虑表1所示的数据集(min_sup = 60%, min_conf=70%)。 (a) 使用Apriori算法找出所有频繁项集,并将每个交易ID视为一个购物篮。 (b) 利用第(a)部分的结果计算关联规则{a, b}→{c}和{c}→{a, b}的置信度。 置信度是相互对称的测量吗? (c) 根据以下元规则(模式),列出所有强关联规则(支持s和置信度c)。 在此,X代表客户变量,itemi表示商品变量(例如“A”,“B”等)。 表1. 购物篮交易示例 TID | 项目购买 ---|--- T1 | {A, D, B, C} T2 | {D, A, C, E, B} T3 | {A, B, E} T4 | {A, B, D}
  • 密码代码
    优质
    本资源集合了吉林大学密码学课程中各类作业及试题的标准解答,涵盖多种加密与解密技术实践应用,旨在帮助学习者深化对密码学原理的理解和掌握。 吉林大学2016级密码学作业题目供学弟学妹参考,请大家好好学习!
  • 堂云课程
    优质
    本课程作业是学堂云数据挖掘课的一部分,旨在通过实践项目加强学生对数据预处理、特征选择及模型构建的理解与应用。 学堂云数据挖掘课程的课后习题共有十一章,由清华大学袁博老师授课。这将有助于大家减轻学习负担,并有更多时间去做自己喜欢的事情。
  • 基站.zip
    优质
    本项目为通信工程课程中的基站数据挖掘大作业,包含数据分析、算法实现和可视化展示等内容,旨在提高学生对移动网络的理解及编程实践能力。 运用所学的数据挖掘应用知识,在Python编程环境中设计文档内容,包括数据预处理、模型构建、代码实现以及结果分析的步骤。该文档将包含源代码和其他详细的设计信息。