犯罪分析：从空间数据中挖掘关联规则以进行犯罪分析

【文件属性】：
文件名称：犯罪分析：从空间数据中挖掘关联规则以进行犯罪分析
文件大小：70.8MB
文件格式：ZIP
更新时间：2021-02-04 01:17:36
python data-science jupyter anaconda scikit-learn 来自的关联规则挖掘犯罪分析的空间数据 抽象 该项目的目的是检查与美利坚合众国北卡罗来纳州夏洛特市一年内犯罪的空间分布有关的数据。 从大约60,000起犯罪中收集了数据，以及地区人口普查数据和有关商业活动的信息。 因此，我们打算将算法应用于发现变量之间的关联规则，以便寻找可用信息之间的关联。 应用知识发现过程并将过滤器应用于规则，从而仅选择具有犯罪类型的规则，因为它们与规则的相关性更高，因为它们显示出在规则的先决条件出现时，各种类型的犯罪更有可能表现出来。 酒类场所 罪案 建立 我建议使用设置虚拟环境 使用python 2.7创建环境： conda create --name crime_

【文件预览】：
crime-analysis-master
----documentation()
--------DataMining.pdf(7.67MB)
----2 - Data Preparation.ipynb(459KB)
----3 - Modeling.ipynb(19KB)
----resources()
--------crime_map.png(2.27MB)
--------alcohol_crime_map.png(2.52MB)
----dataset()
--------prova.csv(6.44MB)
--------crimes_census_5poi_sampled100.csv(828KB)
--------crimes_census_5poi.csv(5.29MB)
--------Data.zip(46.12MB)
--------README.md(41B)
----requirements.txt(92B)
----.gitignore(61B)
----1 - Data Understanding.ipynb(11.94MB)
----README.md(2KB)
----util()
--------fp_growth.pyc(14KB)
--------fp_growth.py(11KB)
--------rules.py(1KB)
--------apriori.py(2KB)
--------apriori.pyc(2KB)
--------rules.pyc(2KB)
----notebooks()
--------Sequence Mining.ipynb(9KB)
--------Sentence clustering.ipynb(956KB)