emd program-matlab

kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。(Basic source application)

说明：  Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

聚类评价指标的各种说明，非常详细，请仔细阅读。(Cluster evaluation indicators of various descriptions, very detailed.)

主要利用R语言进行广义加法模型，进行回归预测(This paper mainly uses R language to carry on the generalized additive model, and carries on the regression forecast)

说明：  r语言中关联规则代码实现 运用arulesViz包和arules包中的apriori函数(Code Implementation of Association Rule)

在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)

说明：  用于轴承大数据的故障诊断和数据挖掘，可将轴承的振动信息进行数组分析，获得预测模型，准确率较高(It can be used for fault diagnosis and data mining of bearing big data. It can analyze the vibration information of bearing by array and obtain the prediction model with high accuracy)

实现通用的matlab蚁群算法的c++源码 重复使用度高()

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pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。, 本书示例丰富、简单易懂，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。(python data analysis)

一种神经网络算法：极限学习机（ELM)，包括分类和回归，仿真验证无误，适合初学者练习(A data mining algorithm: limit learning machine (ELM), including classification and regression, simulation verification is unmistakable, suitable for beginners to practice)