ga-svm

bp网络实现认知无线电的检测和预测,从而达到了对频谱的分配(Bp network realizes the detection and prediction of cognitive radio, thus achieving the spectrum allocation.)

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？

说明：  一种无监督的聚类算法，基于密度聚类，名称为基于快速搜索与寻找密度峰值的聚类(Clustering by fast search and find of desity peaks)

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.)

基于混合信号的小波包分解技术在故障特征提取中的应用(Feature Extraction Using Multisignal Wavelet Packet Decomposition)

机器学习 数据挖掘 数值算法 人工智能 全英文教材(python machine learning data snooping)

机器学习与R语言（machine_learning）源代码下载，内含R语言实现机器学习算法和应用案例(Machine learning and R language (machine_learning) source code download, containing R language to implement machine learning algorithms and application cases)

二进制粒子群优化算法pso,主程序：swarmpso m 它包括以下子程序： 1 　初始化：swarminit m 2 　适应值计算函()

包含很多知名算法实现，支持向量机，决策树，粗糙集，贝叶斯分类器等，适合学术研究，短评论意见挖掘，文本分类等。

Clustering the data with Density-Based Scan Algorithm with Noise (DBSCAN)