ltlk4

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.)

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。 

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)

利用一维卷积神经网络将叶子进行分类，里面包含的有数据(Classification of leaves using one dimensional convolution neural network)

波形设计算法，阵列信号处理等相关知识的介绍仿真等(Introduction and Simulation of waveform design algorithm, array signal processing and other related knowledge)

说明：  处理ipix官网下载的雷达原始数据，将方位角以及俯仰角进行处理(Processing radar raw data downloaded from IPIX official website)

用C++实现各种排序算法：如冒泡排序,选择排序,插入排序,希尔排序,快速排序,归并排序,基数排序和堆排序,并带有源代码说明()

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)

说明：  自动生成Excel表格，包括测量系统分析MSA GR&R--均值极差法 ,方差分析，均值极差(Automatic generation of Excel tables, including measurement system analysis MSA GR&R - mean extreme difference method, variance analysis, mean extreme difference)

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)