资源列表
project
- 数据挖掘，推荐系统，堆叠降噪自编码器，逻辑回归(Data mining, recommender systems, stack noise reduction, self coder, logic regression)
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
文本深度挖掘
- 用于分析文档，分析情感指数，正负面情绪，及新闻分类(Used to analyze documents, analyze sentiment, positive and negative emotions, and classify news)
CFSFDP-matlab
- 密度峰值聚类算法源码+测试数据(人工+UCI)(Source Code and datasets of CFSFDP Algorithm)
ga-svm
- 用遗传算法优化支持向量回归机C、g、p参数(Optimization of C, G, P parameters of support vector regression machine by genetic algorithm)
load_ANN
- python 语言 Ann算法电力负荷预测，网上发现的，共享一下(Python language, Ann algorithm, power load forecasting, online discovery, sharing.)
专利文本分类
- 对大量的专利文本文件进行处理，然后利用机器学习的算法进行挖掘，实现对专利的分类(A large number of patent text files are processed, and then machine learning algorithm is used for mining.)
python数据分析 韩波
- 一本python数据分析的优秀资料 《python数据分析》(python data analysis)，作者【印尼】Ivan Idris，翻译：韩波。 本人制作的PDF图书，带目录和书签。 作为一种高级程序设计语言，Python凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。, 本书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组、matplotlib和pa
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
ts
- 里面介绍的是使用禁忌搜索求解vrp，只要修改下数据就可以使用，用的是MATLAB写的-vrp MATLAB ts
OTL_AIJ_code
- 基于matlab实现的一个在线迁移学习算法OTL,(Based on matlab to achieve an online migration learning algorithm OTL,)
learning-data-mining-with-python
- 《python数据挖掘入门与实践》随书源代码，Chapter1-Chapter12.使用ipython notebook运行，包括社会媒体挖掘，作者归属，新闻语料分析，大数据处理等应用实例。-Python data mining entry and practice with the book source code, using Chapter1-Chapter12. IPython notebook operation, including social media mining, aut