搜索资源列表
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
daily_translation
- Matlab程序，为统计降尺度方法的一种，可以进行气候变化分析。(Statistical downscaling method)
4583593
- 一个通用的矩阵综合算法；能实现加,减,乘,转置以及初始化设置功能(大小和初值),()
NZDHSB
- 提供了几种数据拟合的c++代码：1 直线拟合(FIT)；2 线性最小二乘法((LFIT, COVSRT), (SVDFIT()
uigindin
- 用于运算加减乘除的四则运算代码 用一个复数结构ComplexNumber来存放一个复数；()
95772895
- 通过使用Newton迭代法求解方程 并分析它的解法收敛性； 牛顿迭代法是比较适合用计算机来计算,()
LFIBUR
- 问题描述： 给定一个自然数n,由n开始可以依次产生半数集set(n)中的数如下, (1) n∈set(n)； (2()
qqcrease
- 可对任意两个矩阵做加法,减法,乘法等运算；同时可对单个矩阵求转置矩阵,三角分解,奇异值分解等操作,功能强大,()
43282922
- K-MEANS算法 k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一()
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
机器学习Python程序
- 覆盖了基本常用的机器学习算法。包括线性回归与分类算法；决策树；多种降维算法；优化算法；强化学习等多类算法的Python代码。(It covers the commonly used machine learning algorithms. Including linear regression and classification algorithm; decision tree; a variety of dimensionality reduction algorithm; optimiza