(注:本項目爲原創項目 若轉載或引用請聯繫QQ504546888 備註數據挖掘算法 提供前後臺)
開發環境
- Eclipse 4.2.2 (Juno)
- JDK 1.8
代碼結構
- algorithm -- 算法集，可自由加入算法
- ID3 -- ID3 實現
- Kmeans -- K-means 實現
- data -- 數據結構
- DataSet.java -- 數據集類
- Attribute.java -- 屬性類
- Instance.java -- 實例（數據）類
- gui -- 界面集
- Main.java -- 主面板
- AnalysisPanel.java -- 分析面板
- DataPanel.java -- 數據面板
- util -- 工具集
- Reader.java -- 數據讀取工具
數據挖掘是一個以數據庫、人工智能、數理統計、可視化四大支柱技術爲基礎，我們知道，描述或說明一個算法設計分爲三個部分：輸入、輸出和處理過程。數據挖掘算法的輸入是數據庫，算法的輸出 是要發現的知識或模式，算法的處理過程則設計具體的搜索方法。從算法的輸入、輸出和處理過程三個角度分，可以確定數據挖掘主要涉及三個方面：挖掘對象、挖掘任務、挖掘方法。挖掘對象包括若干種數據庫或數據源，例如關係數據庫、面向對象數據庫、空間數據庫、時態數據庫、文本數據庫、多媒體數據庫、歷史數據庫，以及萬維網（WEB）等。挖掘方法可以粗分爲：統計方法、機器學習方法、神經網絡方法和數據庫方法。統計方法可細分爲：迴歸分析、判別分析等。機器學習可細分爲：遺傳算法等。神經網絡方法可細分爲：前向神經網絡、自組織神經網絡等。數據庫方法主要是多維數據分析方法等。
數據挖掘（Data Mining）技術由此應運而生，數據挖掘技術也正是伴隨着數據倉庫技術的發展而逐步完善起來的。但是並非所有的信息發現任務都被視爲數據挖掘，例如，使用數據庫管理系統查找個別的記錄，或通過因特網的搜索引擎查找特定的Web頁面，則是信息檢索（information retrieval）領域的任務。
NLPIR大數據語義智能分析平臺(原ICTCLAS）是北京理工大學大數據搜索與挖掘實驗室張華平主任研發，針對大數據內容採編挖搜的綜合需求，融合了網絡精準採集、自然語言理解、文本挖掘和語義搜索的最新研究成果，先後歷時近二十年的不斷創新。平臺提供了客戶端工具，雲服務與二次開發接口等多種產品使用形式。各個中間件API可以無縫地融合到客戶的各類複雜應用系統之中，可兼容Windows，Linux， Android，Maemo5, FreeBSD等不同操作系統平臺，可以供Java，Python，C，C#等各類開發語言使用。
