建議這種情況的數據挖掘算法

Question

這不是一個直接與編程相關的問題，而是關於選擇正確的數據挖掘算法。

我有一些文件夾，假設有 100 個文件夾，這些文件夾的內容是圖像和文本文檔，我有這些文件夾的 excel 表（100 個表），這意味着每個文件夾都有特定的表，這個 excel 表內容如下：

在標題（列標題）中包含此文件夾的內容，行包含我要檢查的文件（我的測試文件），如果在該文件夾中找到文件，則此表中的值為 o 和 1，否則值為 1 否則為 o ，這些所有文件夾的測試文件名都相同，

問：什么是最好的數據挖掘算法可以在 excel 文件表上工作，並且可以根據測試文件內容對這些文件夾進行聚類，例如聚類 1 包括包含文件 1 和文件 20 和文件 25 的文件夾......等等..考慮我使用matlab語言？

謝謝 ...

Answer 1

這里的英語有點混亂，所以我會盡可能地解釋這個問題。 你想在這里做的事情似乎不需要任何復雜的算法。 繼續獲取您的 excel 數據並將其導出為 CSV，以便您可以在 Matlab 中工作。

現在你有如下數據：

Folder -> [ Files ]

您可能希望以這種方式構建索引：

File -> [ Folders ]

這樣，當您提出問題：“哪些文件夾包含文件 1、20 和 25”時，您可以（在恆定時間內）查找 3 件事：

1. 包含文件 1 的文件夾
2. 包含文件 20 的文件夾
3. 包含文件 25 的文件夾

然后取這些集合的交集。

================================================== =

您可能感興趣的另一件事是“聚類”。 為此，請繼續使用您的文件夾描述符（1 和 0）並將其視為特征/向量。 然后繼續並在其上運行任何聚類算法。 K-means 聚類在 Matlab 中很容易實現。

[1] https://en.wikipedia.org/wiki/Cluster_analysis