搜索资源列表
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
Python-data-analysis
- 本书讲的是利用python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南。-This book is about the use of python for data control, processing, sorting, analysis and other aspects of the specific details and basic points. It is also a practical guide to scie
collective-intelligence
- 智慧编程——数据分析、机器学习必备书！python语言代码示例，所有算法均附有解释说明。-collective intelligence——Data analysis and machine learning! Python language code examples, all algorithms are accompanied by explanatory notes.
mechine-learning
- 本书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。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
code
- 主要针对空间数据统计分析，如相关分析，异常值检验等(spatial statistical analysis)
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
kmeans
- 对数据和图像进行聚类分析，k-means聚类方法多应用于模式识别，人工智能，机器学习等方面(Clustering analysis of data and images, K-means clustering method should be used in pattern recognition, artificial intelligence, machine learning and so on)
CrawlStock
- Python3编写的股票爬取程序，界面用QT编写，爬取数据存放在MySQL数据库，也可存在本机的txt文档。程序可以分析股票的最大成交额最大成交量，按名称或股票代码查找股票。(Python3 prepared by the stock crawling program, interface written with QT, crawling data stored in the MySQL database, but also the existence of the local TXT doc
DataAnalysisCode
- 该文档为利用Python进行数据分析的教学代码包，包含pynum,matplotlib,pandas等数个常用的数据分析包，附有详细的注释说明。适合对python语言有一定了解的人士学习利用python处理数据的基本方法。(This document is a teaching package for data analysis based on Python. It contains several commonly used data analysis packages, such as p
Python for network worm
- 基于selenium的网络爬虫，主要是从网站爬取数据信息用来进行分析和挖掘潜在的商业价值(Internet worm based on selenium)
bp神经网络
- 根据Ecotect 模拟的12种不同的建筑形状进行能量分析，数据集包括768个样本和8个特征属性，旨在预测房屋的热负荷和冷负荷。BP神经网络(According to the 12 different building shapes simulated by Ecotect, we carry out energy analysis. The dataset includes 768 samples and 8 characteristic attributes, aiming at predi
ChPreprocess
- 使用jieba包从excel表中读取数据，进行中文分词，预料分析(Using Jieba package for Chinese analysis, expected analysis)
Tensorflow 实战Google深度学习框架
- TensorFlow的一些样例代码。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。(Tensor (Zhang Liang) means N dimension array. Flow (flow) means computation based on data flow graph. TensorFlow flows f
toRedisCluster
- 提供python 连接redis数据库集群的方法代码， 读取redis里面list型数据表，然后生成pandas中的dataframe数据表，从而实现数据处理分析。(this file provides python code for the connection to redis cluster and the code for reading the list type data and convert the data to dataframe structure of pandas so
kNN(python实现)
- 分类算法，最近k临近算法，用于分类分析，属于数据处理(The classification algorithm, the nearest K approach, is used for classification analysis, which belongs to data processing.)
football
- 复杂网络数据集。主要用于复杂网络的分析与实践的(Football data setf s df sa fs fa sdfs fsd fas dfas fas fsa fasd fas)
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
IERS数据动态提取与更新系统的设计与实现_石聪明
- 在上述分析的基础上，图2 显示了 iersSync 系统的整个流程图。系统主要包括 HTTP 访问模块、 UＲL 分析与内容下载模块、地心指向参数下载与更新维护模块、闰秒数据更新维护模块以及日志数 据管理模块。整个程序用 Python 开发，直接利用了 Python 的 HTTP 访问模块，其它模块均自行开发。 其中日志数据管理模块主要实现整个国际地球自转服务组织数据的一致性与完整性保证。(On the basis of the above analysis, figure 2 shows th
贝叶斯方法 -概率编程与贝叶斯推断 zip
- Probabilistic Programming and Bayesian Methods for Hackers是一本写给开发者的关于贝叶斯方法和概率问题的免费开源书。贝叶斯方法的用途十分广泛，在经济学上能找出一堆的例子。而在IT行业，机器学习是非常典型的一个应用。而机器学习也是本书作者写本书的一个重要的理由。 本书选择了Python作为编程语言，这一点都不奇怪，Python在科研和数据分析上的应用是非常方便和普遍的，比如大名鼎鼎的Numpy等。作者在本书中使用另一个库PyMC，它依赖
panxicheng-stockguzhi-master
- 能进行价值分析，利用sina网获得数据，利用简单的价值投资公司，数据进行了清理，对公司进行估值，注意：并非完整程序包，需要懂python程序员，在开发环境下运行。(Can carry on the value analysis, use the sina net to obtain the data, use the simple value investment company, the data is cleaned up, the company carries on the valuat