rcitime__type

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.)

说明：  隐马尔科夫实现，包含forward-hmm, Viterbi-hmm, Baum-Welch-hmm(Hidden Markov implementation, including forward-hmm, Viterbi-hmm, Baum-Welch-hmm)

hosvd 迭代分解,很好用，是一个硕士论文里的代码(terative HOSVD algorithm to decompose tensor and find its Singular factors in each mode.)

说明：  利用python进行数据分析，英文书籍，从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；利用pandas的groupby功能对数据集进行切片、切块和汇总操作；处理各种各样的时间序列数据。(Starting from the data analysis tools of pandas database, high performance tools are used to load, clean, transform, merge and remodel data; scatter plots and static or interactive visualization results are created by matpIotlib; data sets are sliced, sliced and aggregated by pandas group by function; and various operations are processed. Time series data.)

说明：  

说明：  一个用python实现的PCA算法，并且给了简易素材(A PCA algorithm implemented in python, and gave a simple material)

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。 

说明：  多种基本分类训练，包括支持向量机，偏最小二乘，主成分分析和线性分析(A variety of basic classification training, including support vector machine, partial least squares, principal component analysis and linear analysis)

将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)

通过优化的k-means算法 采用了密度和优化评测函数实现了对Iris等数据集的聚类。