havz-bhlding

用Apriori算法挖掘出入侵检测数据集KDD99的数据关联性，从而检测出未知的攻击(Apriori algorithm is used to extract the data association of the intrusion detection data set KDD99, and the unknown attack is detected)

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？

脉动风速功率谱估计,并与标准风谱进行对比()

说明：  用python 做的网络数据爬虫，爬取淘宝数据，并分析。(Use Python to do the network data crawler, crawl the Taobao data, and analyze.)

深度学习框架Keras入门资料，里面的代码包括课件和DEMO有利于新书入门学习，简单易懂(Keras Introductory Information of Deep Learning Framework, which includes courseware and DEMO, is helpful for introductory learning of new books. It is easy to understand.)

插值抽取的内容,数字变频用, 分享了,请高手完善指教,()

一个833分酒问题的求解,C++编写,简单易读,输出最佳路径解,()

数据挖掘，推荐系统，堆叠降噪自编码器，逻辑回归(Data mining, recommender systems, stack noise reduction, self coder, logic regression)

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.)

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。