搜索资源列表
逐步回归
- 程序采用可视化界面，对概率统计中的逐步回顾算法，用户可以在界面上输入变量个数，试验次数，对各种情况均可计算，最后输出回归方程。还可以从文件中载入数据，保存数据。-procedures used visualization interface to statistical probability of gradually recalled algorithm, users can interface the number of input variables, the number of all
SAS
- sas教程 SAS数据挖掘技术的实现 作为智能型的数据挖掘集成工具，SAS/EM的图形化界面、可视化操作可引导用户（即使是数理统计经验不太多的用户）按SEMMA原则成功地进行数据挖掘，用户只要将数据输入，经过SAS/EM运行，即可得到一些分析结果。有经验的专家还可通过修改数据调整分析处理过程。
Hash_MFC
- 哈希表的实现，mfc可视化编程实现，学习数据结构-Hash table implementation, mfc visual programming, learning data structures
mds
- Multidimensional Scaling(MDS)是一种经典的数据降维方法，同时也是数据可视化的一种手段。这个问题的最早起源，是当我们仅能获得物体之间的相似性矩阵时，如何由此来重构它们的欧几里德坐标。譬如，对一个国家的许多城市而言，假如我们并不能确定它们的经纬度信息，却知道所有城市两两之间的距离，就可以通过MDS方法将这些代表相似性的距离数据，呈现在二维坐标上。-Multidimensional Scaling (MDS) is a classical data dimensionali
kMeans
- 用python实现k-means算法。随机生成二位可视化数据集 然后进行可视化聚类(The k-means algorithm is implemented with Python. Randomly generate two bit visual data set and visualize clustering.)