arima

说明：  利用K均值聚类对鸢尾花样本进行聚类的matlab程序，包含源代码、样本数据、聚类结果(The matlab program of clustering iris samples by K-means clustering, including source code, sample data and clustering results)

Eclat算法是一种深度优先算法,采用垂直数据表示形式,在概念格理论的基础上利用基于前缀的等价关系将搜索空间(概念格)划分为较小的子空间(子概念格)。Eclat算法采用方法二计算支持度。对候选k项集进行支持度计算时,不需再次扫描数据库,仅在一次扫描数据库后得到每个1项集的支持度,而候选k项集的支持度就是在对k-1项集进行交集操作后得到的该k项集Tidset中元素的个数。本算法利用diffset数据格式实现。

多重分形去趋势波动分析法，用于不同时间序列的重分形交叉相关性分析。(Multifractal detrended fluctuation analysis)

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

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)

boxcox函数的python实现，引用该函数可将偏态分布调整为正态分布(Python implementation of box Cox function)

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)

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。 

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()

扩展卡尔曼滤波与无迹卡尔曼滤波的跟踪滤波性能的比较()