chapter3

说明：  PCA 数据降维 PTYTHON 数据分析/挖掘(PCA dimensionality reduction data mining/analysis)

生成随机数的算法,原书带的并不能直接使用,这是本人改的直接可用的()

说明：  通过贝叶斯信息准则确定高斯混合聚类方法的聚类簇数(Determining the Cluster Number of GMM Clusters by BIC)

分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)

脉动风速功率谱估计,并与标准风谱进行对比()

资源描述利用分类算法实现对文本的数据挖掘，主要包括： 1. 语料库的构建，主要包括利用爬虫收集Web文档等； 2. 语料库的数据预处理，包括文档建模，如去噪，分词，建立数据字典， 使用词袋模型或主题模型表达文档等； 注：使用主题模型，如LDA可以获得实验加分； 3. 选择分类算法（如朴素贝叶斯、SVM等），训练文本分类器，理解所选 的分类算法的建模原理、实现过程和相关参数的含义； 4. 对测试集的文本进行分类 5. 对测试集的分类结果利用正确率和召回率进行分析评价。 

GWR能够实现地理加权回归计算，里面有GWR4操作说明，虽然是英文，但有图片介绍，很容易理解，是GWR模型入门的好工具，适合经济学、数据挖掘等人员使用(GWR can realize geographically weighted regression calculation, including GWR4 operation instructions. Although it is in English, it has pictures to introduce, and is easy to understand. It is a good tool for GWR model entry. It is suitable for personnel such as economics and data mining.)

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)

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)

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)