搜索资源列表
Mahout算法解析与案例实战
- Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。此外，通过使用 Apache Hadoop 库，Mahout 可以有效地扩展到云中。(Mahout includes many implementations, including clustering, classification, recommendation filtering, frequent sub item mining. In addition, by using the Apache Hadoop librar
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列，进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别；而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列（ARIMA）；对得到的平稳序列进行建模以确定最佳模型（AR、MA、ARMA或者ARIMA）。在使用中最重要也是最关键的就是对序列进行参数估计，以检验其
LRR
- 低秩表达程序，MATLAB. Robust Subspace Segmentation by Low-Rank Representation(Low-Rank Representation program, MATLAB Robust Subspace Segmentation by Low-Rank Representation)
Qyquistronstantarea
- Sparse Estimation Algorithms by Blumensath and Davies min x _0()
IABC_KMC_test_on_Iris_wine_glass
- 克服K均值聚类算法易受初始聚类中心影响的缺点，优化K均值聚类算法(The K mean clustering algorithm is easily affected by the initial cluster center, and the K mean clustering algorithm is optimized.)
那些数据和命令
- 一些tensorflow常用函数，一次会议上获得的(the essential function of machine learning by tensortflow)
Python基础教程（第3版)
- 本书包括 Python 程序设计的方方面面： 首先， 从 Python 的安装开始， 随后介绍了 Python 的基础知识 和基本概念， 包括列表、 元组、 字符串、 字典以及各种语句； 然后， 循序渐进地介绍了一些相对高级的主 题， 包括抽象、 异常、 魔法方法、 属性、 迭代器； 此后， 探讨了如何将 Python 与数据库、 网络、 C 语言等 工具结合使用， 从而发挥出 Python 的强大功能， 同时介绍了 Python 程序测试、 打包、 发布等知识； 最后， 作者结合前面讲
SVR
- 训练SVR模型做预测,可调整训练集和测试集比例及SVR参数，预测性能用MAP反映(The training SVR model can be used for prediction. The proportion of training set and test set and the parameters of SVR can be adjusted. The prediction performance can be reflected by MAP.)