您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘?为什么它是重要的?.............................................................
  3. 所属分类:Web开发

    • 发布日期:2010-09-06
    • 文件大小:1048576
    • 提供者:huanghyw
  1. SQL Server 2008 商业智能完美解决方案 第一部分

  2. SQL Server 2008 商业智能完美解决方案 书籍的扫描整理版本,由于文件太大,分三个包,三个包都下载了解压即可。 《SQL Server 2008商业智能完美解决方案》结合专家团队提供的实际示例和丰富经验进行介绍,让读者能够直观轻松地掌握构建商业智能(BI)解决方案的概念、工具和技术,是一本不可多得的商业智能开发参考指南。无论是商业智能(BI)编程新手还是经验丰富的老手,都可从《SQL Server 2008商业智能完美解决方案》中获益。 图书目录   第一部分 面向商业决策者和架构
  3. 所属分类:SQLServer

    • 发布日期:2012-10-24
    • 文件大小:59768832
    • 提供者:yrq205
  1. SQL Server 2008 商业智能完美解决方案 第二部分

  2. SQL Server 2008 商业智能完美解决方案 书籍的扫描整理版本,由于文件太大,分三个包,三个包都下载了解压即可。 《SQL Server 2008商业智能完美解决方案》结合专家团队提供的实际示例和丰富经验进行介绍,让读者能够直观轻松地掌握构建商业智能(BI)解决方案的概念、工具和技术,是一本不可多得的商业智能开发参考指南。无论是商业智能(BI)编程新手还是经验丰富的老手,都可从《SQL Server 2008商业智能完美解决方案》中获益。 图书目录   第一部分 面向商业决策者和架构
  3. 所属分类:SQLServer

    • 发布日期:2012-10-24
    • 文件大小:59768832
    • 提供者:yrq205
  1. 量化投资以Python为工具

  2. 《量化投资:以Python为工具》主要讲解量化投资的思想和策略,并借助Python 语言进行实战。《量化投资:以Python为工具》一共分为5 部分,第1 部分是Python 入门,第2 部分是统计学基础,第3 部分是金融理论、投资组合与量化选股,第4 部分是时间序列简介与配对交易,第5 部分是技术指标与量化投资。《量化投资:以Python为工具》首先对Python 编程语言进行介绍,通过学习,读者可以迅速掌握用Python 语言处理数据的方法,并灵活运用Python 解决实际金融问题;其次,
  3. 所属分类:Python

    • 发布日期:2018-05-12
    • 文件大小:69206016
    • 提供者:jisuran
  1. 大数据的统计学基础视频教程

  2. 授课对象: 这是一门数学课程,适合有志于转往大数据分析领域的非数学专业人士(例如IT人,业务人员等)补强数学基础,以更好地学习更高级的数据分析,数据挖掘,机器学习课程 收获预期: 可以大幅度提高学员的数学基础,使其学习其它大数据分析课程时觉得更加简单,得心应手 课程内容: 第1课 面向小白的统计学:描述性统计(均值,中位数,众数,方差,标准差,与常见的统计图表) 第2课 赌博设计:概率的基本概念,古典概型 第3课 每人脑袋里有个贝叶斯:条件概率与贝叶斯公式,独立性 第4课 啊!微积分:随机变量
  3. 所属分类:专业指导

  1. 应用预测建模 Applied Predictive Modeling

  2. 译者序 前言 第1章 导论 1.1 预测与解释 1.2 预测模型的关键部分 1.3 专业术语 1.4 实例数据集和典型数据场景 1.5 概述 1.6 符号 第一部分 一般策略 第2章 预测建模过程简介 2.1 案例分析:预测燃油效能 2.2 主题 2.3 总结 第3章 数据预处理 3.1 案例分析:高内涵筛选中的细胞分组 3.2 单个预测变量数据变换 3.3 多个预测变量数据变换 3.4 处理缺失值 3.5 移除预测变量 3.6 增加预测变量 3.7 区间化预测变量 3.8 计算 习题 第4章
  3. 所属分类:机器学习

    • 发布日期:2018-06-14
    • 文件大小:77594624
    • 提供者:u011051172
  1. 大数据的统计学基础

  2. 第1周 面向小白的统计学:描述性统计(均值,中位数,众数,方差,标准差,与常见的统计图表) 第2周 赌博设计:概率的基本概念,古典概型 第3周 每人脑袋里有个贝叶斯:条件概率与贝叶斯公式,独立性 第4周 啊!微积分:随机变量及其分布(二项分布,均匀分布,正态分布) 第5周 万事皆由分布掌握:多维随机变量及其分布 第6周 砖家的统计学:随机变量的期望,方差与协方差 第7周 上帝之手,统计学的哲学基础:大数定律、中心极限定理与抽样分布 第8周 点数成金,从抽样推测规律之一:点估计与区间估计 第9周
  3. 所属分类:算法与数据结构

    • 发布日期:2018-02-04
    • 文件大小:204
    • 提供者:u013844840
  1. Geita地区Bukombe区育龄妇女产后现代避孕药具使用的意识和相关因素

  2. 简介:产后第一年发生的怀孕更有可能是无计划的。 这导致增加不利的母亲和围产期结局的风险。 但是,在此期间使用现代避孕药具有助于减少意外怀孕及其相关的不良后果。 坦桑尼亚牧民社区产后避孕的数据很少。 这项研究旨在评估盖塔地区布科姆区育龄妇女产后使用现代避孕药的认识和相关因素。 方法:自2018年5月至6月,在坦桑尼亚西北部Geita地区Bukombe区的一个主要牧区进行了基于社区的横断面研究。研究了总共511名产后第一年的产后妇女。 。 使用多阶段采样技术来选择研究参与者。 使用SPSS 21版进
  3. 所属分类:其它

    • 发布日期:2020-05-13
    • 文件大小:483328
    • 提供者:weixin_38603936
  1. 回归分析预测技术简介

  2. 回归分析的基本概念是用一群变量预测另一个变量的方法。通俗点来讲,就是根据几件事情的相关程度来预测另一件事情发生的概率。回归分析的目的是找到一个联系输入变量和输出变量的最优模型。 回归方法有许多种,可通过 3 种方法进行分类:自变量的个数、因变量的类型和回归线的形状。 1)依据相关关系中自变量的个数不同进行分类,回归方法可分为一元回归分析法和多元回归分析法。在一元回归分析法中,自变量只有一个,而在多元回归分析法中,自变量有两个以上。 2)按照因变量的类型,回归方法可分为线性回归分析法和非线性回归分
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:237568
    • 提供者:weixin_38591615
  1. B.tech-Disease-Prediction-Project:通过机器学习和Python开发的疾病预测系统最后一年项目-源码

  2. B.技术疾病预测项目 通过机器学习和Python开发的疾病预测系统最后一年项目 最终疾病预测项目 通过机器学习和Python开发的疾病预测系统最后一年项目 机器学习-机器学习是一种使分析模型构建自动化的数据分析方法。 它是人工智能的一个分支,其基础是系统可以从数据中学习,识别模式并在最少的人工干预下做出决策。 Scikit-learn(Sklearn)是用于Python中机器学习的最有用和最强大的库。 它通过Python中的一致性接口为机器学习和统计建模提供了一系列有效的工具,包括分类,回归
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:654336
    • 提供者:weixin_42131633
  1. rissangs.github.io-源码

  2. p值介绍 在统计中,最常见的概念之一是p值。 p值用于简单的统计检验,例如复杂回归分析中的t检验。 在统计中,p值在技术上被定义为“假设原假设是正确的,获得结果的可能性至少与您观察到的结果一样极端”(Auschwanden,2015)。 p值的最重要用途是确定假设检验的统计显着性。 换句话说,p值确定是否应该拒绝原假设。 在现实世界中,p值会影响预测模型或文章发布的成功,因为p值决定了对原假设的否定。 即使建模或研究出色,但是如果没有适当的p值,也很难使用该模型或发布文章。 假设检验简介 为了更
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:4096
    • 提供者:weixin_42133899
  1. 心脏疾病的预测-源码

  2. 心脏病预测 简介:- 开展这项研究是为了了解各种物理特征如何影响心脏病的发生。 详细的分析调查了哪些功能与心脏病的预测属性相互作用最大,以及每个功能与目标变量之间的关系。 测试了机器学习技术的Logistic回归分类,随机森林,神经网络, SVM ,并分析了它们的性能。 探索了各种验证技术,以及通过使用不同的特征选择技术来消除某些变量集以改进模型。 软件要求: Python-Python 3.8.0 熊猫-1.1.4 Scikit-0.23.2
  3. 所属分类:其它

    • 发布日期:2021-02-18
    • 文件大小:5120
    • 提供者:weixin_42118701