搜索资源列表
ems
- 建模优化与评价的理论基础学习，用于统计分析和数据挖掘-Based learning theory and modeling optimization and uation for statistical analysis and data mining
SAP_HANA_pdf
- HANA是一个软硬件结合体，提供高性能的数据查询功能，用户可以直接对大量实时业务数据进行查询和分析，而不需要对业务数据进行建模、聚合。-HANA is a combination of hardware and software to provide high-performance data query capabilities, users can perform a large number of real-time business data query and analysis dir
pls
- 数据建模分析，适合光谱，股票等建模分析，预测样品-For modeling and analysis，For modeling and analysis
delete-outliers
- 用于去除一个数据集中的野点的matlab函数，可应用数据建模及统计分析-For input vector A, returns a vector B with outliers (at the significance level alpha) removed. Also, optional output argument idx returns the indices in A of outlier values. Optional output argument outlie
bayes
- 首先对数据进行拆分，分为测试集与训练集，通过训练集进行贝叶斯网络的建模，最后利用建立的模型进行预测或分类任务的R语言代码-First, the data is split into a training set and test set, Bayesian network modeling through the training set, and finally the use of the model to predict or classify tasks R language code
Maltab
- 文件里面是数据挖掘中各种经典算法的MATLAB的源代码，尤其适合不只懂原理不会写代码的人进行数据建模- The document is a variety of data mining algorithms in the classic MATLAB source code, especially for people who do not understand the principle of not only the code to write data modeling
Arch Model
- 金融时间序列分析 1. 采用Pandas从Yahoo网上下载上市公司的5到10年的日收盘数据，上证指数的日收盘数据。 2. 计算上市公司和上证指数的收益率， 3. 针对上市公司收益率进行ARMA建模，确定P和q，并对残差进行分析，最后向前预测多期，显示预测图。 4. 针对上市公司收益率进行ARCH建模，确定阶数，并对残差进行分析，最后进行预测。 5. 针对上市公司收益率进行GARCH建模，确定阶数，并对残差进行分析，最后进行预测。(use Arch Model to ananlyse
RCARE6
- 一款很不错的函数作图工具,可以依照不同需求做出函数图象．特别适用于数学建模作图需要()
64287940
- 包含了数学建模中的常用模型 并对其做了简要的介绍()
490353
- 基于APDL语言的弹簧有限元参数化建模与应力分析()
4建模分析股票市场数据
- 建模分析股票市场数据，利用R语言进行数据分析，包括画图(Modeling and analyzing stock market data)
2123457
- 这是一个高速多维插值算法,当我们建模以后,原始的算法可能极为复杂和低速,在现有的计算条件下要得到最终的结果甚至要让我们()
514982
- 05年全国大学生数学建模大赛a题长江水质预测代码()
nerminalformat
- 包含了数学建模中的常用模型 并对其做了简要的介绍()
统计分析与SPSS的应用-薛薇
- 《统计分析与spss的应用第五版》深入浅出地讲解统计方法，基于应用案例阐述数据分析的一般思路和SPSS操作实践，使读者知其然更知其所以然，是本书一直坚持的风格。本书的特色在于：注重方法核心原理的讲解，突出以统计原理明晰为前提的SPSS实操。基于典型统计分析案例，循序渐进地引导读者利用SPSS实现数据的组织、整理、描述和建模分析。旨在帮助读者领会统计分析方法精髓，掌握SPSS软件操作，拥有利用SPSS解决实际数据分析问题的能力。(Statistical analysis and the appli
TensorFlow股票预测
- 利用TensorFlow和股票历史数据，进行数据挖掘，深度学习建模，实现对股票未来走势的预测(Using TensorFlow and stock historical data, data mining and deep learning modeling are used to predict the future trend of stocks.)
TianCheng-master_chusai_qingyu
- 2018年甜橙金融杯大数据建模大赛初赛方案：通过追踪时间、设备、ip和经纬度等属性的变化来建模判断UID是否为黑产链 ## 代码说明： - gen_stat_feat.py 统计特征 - gen_w2v_feat.py word2vec特征 - lgb_train.py lgb训练模型 两份特征建模加权8:2比例融合即可0.792+，单独统计特征加UID列建模即可0.795。(The preliminary scheme of the 2018 Sweet
Python数据分析与挖掘实战
- 本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。(There are 15 chapters in this book, which are divided into two parts: the basic c
07 RFM建模实战
- 1、通过Python的Pandas库实现客户价值分层的RFM模型； 2、提供源数据(1. Through Python pandas library, the RFM model of customer value stratification is realized; 2. Provide source data)
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算