-
MF-DFA-master
多重分形去趋势波动分析法，用于不同时间序列的重分形交叉相关性分析。(Multifractal detrended fluctuation analysis)
- 2018-09-06 14:29:01下载
- 积分：1
-
DataMiningProject-Bearing
说明： 用于轴承大数据的故障诊断和数据挖掘，可将轴承的振动信息进行数组分析，获得预测模型，准确率较高(It can be used for fault diagnosis and data mining of bearing big data. It can analyze the vibration information of bearing by array and obtain the prediction model with high accuracy)
- 2020-04-12 12:38:34下载
- 积分：1
-
0406遗传算法优化神经网络
说明： 基于股票数据的神经网络，关于结算的预测，通过遗传算法加以改进(Based on the neural network of stock data, the prediction of settlement is improved by genetic algorithm)
- 2020-04-26 21:54:01下载
- 积分：1
-
雷达matlab仿真，波束形成，角度测量，跟踪等等
波形设计算法，阵列信号处理等相关知识的介绍仿真等(Introduction and Simulation of waveform design algorithm, array signal processing and other related knowledge)
- 2021-02-19 15:09:44下载
- 积分：1
-
Ecalt算法
Eclat算法是一种深度优先算法,采用垂直数据表示形式,在概念格理论的基础上利用基于前缀的等价关系将搜索空间(概念格)划分为较小的子空间(子概念格)。Eclat算法采用方法二计算支持度。对候选k项集进行支持度计算时,不需再次扫描数据库,仅在一次扫描数据库后得到每个1项集的支持度,而候选k项集的支持度就是在对k-1项集进行交集操作后得到的该k项集Tidset中元素的个数。本算法利用diffset数据格式实现。
- 2022-03-02 17:06:13下载
- 积分：1
-
PCA
说明： 一个用python实现的PCA算法，并且给了简易素材(A PCA algorithm implemented in python, and gave a simple material)
- 2020-08-23 14:38:17下载
- 积分：1
-
BIC确定GMM聚类簇数
说明： 通过贝叶斯信息准则确定高斯混合聚类方法的聚类簇数(Determining the Cluster Number of GMM Clusters by BIC)
- 2021-03-26 19:19:13下载
- 积分：1
-
pu_ju_lei
说明： 将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)
- 2019-07-01 16:05:39下载
- 积分：1
-
hierarchical-clustering
这段代码是层次聚类的Matlab实现代码(
This code is hierarchical clustering Matlab implementation code)
- 2016-10-16 10:43:09下载
- 积分：1
-
python 实现随机森林
应用背景
数据 ：两个月之内 40000个客户的15个数据字段 包含客户的 地 理位置，职业，职级，年收入，。。。。。。 购买过得产品
目的：对新客户进行推荐一个适合该客户的产品， 对老客户推荐可能再购买的产品
数据处理
数据清洗： describe 每个特征统计分析 方差 -分析缺陷特征和波动性
空值赋值为 “-1 “ - 保证模型的可使用
数据归一化：eg：邮编 相似度不高 根据一线二线….进行划分 – 特征的重要性
关键技术特征选择
随机森林： 判断特征的重要性 ：思考为何重要性高
AHP ： 迭代设置每个特征的权重
模型选择 ：根据数据量数量，是否有标签，分类or回归选取
关于模型选择时候我想用协同过滤 但是不知道关于特征的协同过滤是怎么执行的 是每个特征都有一个评分构成评价矩阵么？
- 2022-02-25 17:28:51下载
- 积分：1
