propospuionsview

说明：  多种方法实现分位数回归,有完整原理解释，直接可用。(Multiple methods for quantile regression)

cfd经典PISO算法的FORTRAN程序()

数据挖掘算法，高效用项集挖掘算法，加权频发项集挖掘算法，HMINE算法，源码中有详细注释

用Gibb Sampling 的方法对LDA的参数进行推断(LDA model with Gibbs Sampling for inference)

这是一本经典数值算法书,包含多种算法的理论,为编程者具有一定参考意义()

ap算法完成ap聚类操作 需要输入参数为数据集 偏向参数 输出结果为聚类数目(The AP algorithm completes the AP clustering operation, the input parameter is the data set bias parameter, and the output result is the number of clusters)

常用数值算法源码，包括二分法、复化辛卜生公式、改进欧拉法、高斯-赛德尔迭代法、拉格郎日插值多项式、列主元高斯消去法、龙贝格算法、龙格-库塔算法、幂法、牛顿迭代法、牛顿值多项式、四阶阿当姆斯预测-校正公式、雅可比迭代法、自适应梯形公式（变步长）、最小二乘法 个人由于需要编写，完全可用(Common numerical algorithm source code, including dichotomy, complex Simpson formula, improved Euler method, Gauss-Seidel iteration method, Lagrange interpolation polynomial, column principal element Gauss elimination method, Runberg algorithm, Runge-Kutta algorithm, power method, Newton iteration method, Newton value polynomial, fourth-order Adams prediction-correction formula, Jacobi iteration method, adaptive ladder formula (variable) Step Length and Least Square Method Individuals are fully available because they need to write)

SMOTE插值算法，补全数据的不平衡性。(SMOTE interpolation algorithm to complete the imbalance of data.)

本书精心策划了三个虚拟项目，将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。读者将跟随世界一流的RStudio培训师掌握宝贵的编程技能，并借助这些技能成为优秀的数据科学家。(Introduction to R Language)

应用背景 数据   ：两个月之内 40000个客户的15个数据字段   包含客户的 地          理位置，职业，职级，年收入，。。。。。。    购买过得产品 目的：对新客户进行推荐一个适合该客户的产品， 对老客户推荐可能再购买的产品 数据处理    数据清洗：   describe 每个特征统计分析       方差     -分析缺陷特征和波动性                 空值赋值为  “-1 “              -  保证模型的可使用    数据归一化：eg：邮编 相似度不高 根据一线二线….进行划分  – 特征的重要性 关键技术特征选择    随机森林：  判断特征的重要性 ：思考为何重要性高     AHP    ：  迭代设置每个特征的权重 模型选择   ：根据数据量数量，是否有标签，分类or回归选取 关于模型选择时候我想用协同过滤  但是不知道关于特征的协同过滤是怎么执行的   是每个特征都有一个评分构成评价矩阵么？