搜索资源列表
buipang
- PLS部分最小二乘工具箱,包括主成分分析、因子分析、贝叶斯分析,最小二乘回归分析算法。- PLS PLS toolbox, Including principal component analysis, factor analysis, Bayesian analysis, Least-squares regression analysis algorithm.
hiepao
- 最大似然(ML)准则和最大后验概率(MAP)准则,进行逐步线性回归,包括主成分分析、因子分析、贝叶斯分析。- Maximum Likelihood (ML) criteria and maximum a posteriori (MAP) criterion, Stepwise linear regression, Including principal component analysis, factor analysis, Bayesian analysis.
GP
- 基于贝叶斯理论的高斯过程代码,包含高斯过程回归分析,以及相关噪声处理和高斯过程分类,提供数据进行测试,-Gauss procedure code based on Bayesian theory, including Gaussian process regression analysis, and related processing and noise Gaussian process classification, to provide data for testing, etc.
python-code-for-Machine-learning
- 用于机器学习的全方位python代码,包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据:回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
janfei
- 利用贝叶斯原理估计混合logit模型的参数,包括AHP,因子分析,回归分析,聚类分析,进行波形数据分析。- Bayesian parameter estimation principle mixed logit model, Including AHP, factor analysis, regression analysis, cluster analysis, Waveform data analysis.
tangfou_v70
- 未来线路预测,分析误差,包括主成分分析、因子分析、贝叶斯分析,可以实现模式识别领域的数据的分类及回归。- Future line prediction, error analysis, Including principal component analysis, factor analysis, Bayesian analysis, You can achieve data classification and regression pattern recognition.
biufao_v19
- 利用贝叶斯原理估计混合logit模型的参数,应用小区域方差对比,程序简单,包括AHP,因子分析,回归分析,聚类分析。- Bayesian parameter estimation principle mixed logit model, Application of small area variance comparison, simple procedures, Including AHP, factor analysis, regression analysis, cluster anal
hiugui_v22
- 包括AHP,因子分析,回归分析,聚类分析,有CDF三角函数曲线/三维曲线图,包括主成分分析、因子分析、贝叶斯分析。- Including AHP, factor analysis, regression analysis, cluster analysis, There CDF trigonometric curve/3D graphs, Including principal component analysis, factor analysis, Bayesian analysis.
fing-tq76
- 包括主成分分析、因子分析、贝叶斯分析,包括AHP,因子分析,回归分析,聚类分析,使用大量的有限元法求解偏微分方程。- Including principal component analysis, factor analysis, Bayesian analysis, Including AHP, factor analysis, regression analysis, cluster analysis, Using a large number of finite element metho
knn_logistic_naiveBayes
- 统计机器学习经典分类算法MATLAB代码,付数据集。包括knn算法,逻辑斯蒂回归和朴素贝叶斯算法。-Classical statistical machine learning classification algorithm MATLAB code, pay dataset. Including knn algorithm, logistic regression and naive Bayes algorithm.
seihao_v24
- 包括随机梯度算法,相对梯度算法,单径或多径瑞利衰落信道仿真,包括回归分析和概率统计,包括主成分分析、因子分析、贝叶斯分析,包含优化类的几个简单示例程序,Relief计算分类权重,用MATLAB实现的压缩传感。 - Including stochastic gradient algorithm, the relative gradient algorithm, Single path or multipath Rayleigh fading channel simulation, Includ
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表(多项式)节点 Noisy-or 节点 其它(噪音)确定性节点 Softmax(多项式 分对数)节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
DBN-master
- 动态贝叶斯网络(Dynamic Bayesian Network, DBN),是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络,因为DBN在任意时间点T,变量的值可以从内在的回归量和直接先验值(time T-1)计算。(Dynamic Bayesian Network (DBN) is a Bayesian network that links different variables with adjacency time steps. This is
sart_g
- 针对空间统计学空间自回归Tobit模型进行贝叶斯估计(Bayesian estimation of spatial autoregressive Tobit model for spatial statistics)
李航_统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法,特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。(The statistical learning method is an important subject in the field of computer and its application.)
深入浅出数据分析.pdf
- 《深入浅出数据分析》以类似“章回小说”的活泼形式,生动地向读者展现优秀的数据分析人员应知应会的技术:数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧;正文以后,意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具,在充分展现《深入浅出数据分析》目标知识以外,为读者搭建了走向下一步深入研究的桥梁。 《深入浅出数据分析》构思跌宕起伏,行文妙趣横生,无论读者是职场老手,还是业界新人;无论是字
MLInActionCode-master
- 机器学习实战的源代码集合,第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器(判别分析,贝叶斯,神经网络,支持向量机,决策树,基于规则的分类器,升压、装袋、堆放、随机森林和其他合奏,广义线性模型,线性,偏最小二乘法和主成分回归,logistic回归、多项式回归、多元自适应回归样条等方法),实现在WEKA,R(有或没有插入包),C和Matlab,包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class
machine_learning_python-master
- 通过阅读网上的资料代码,进行自我加工,努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel