FDP聚类算法

PCA 数据降维 PTYTHON 数据分析/挖掘(PCA dimensionality reduction data mining/analysis)

可以用黄金分割和斐波那契算法实现优化,只要改变相应的参数就可以用了(You can use the golden section and the Fibonacci algorithm to optimize, just change the corresponding parameters.)

脉动风速功率谱估计,并与标准风谱进行对比()

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？

数据挖掘在经侦项目中的应用,本文用到python中的社区划分算法(In the application of data mining in economic investigation projects, this paper uses community partition algorithm in Python.)

GWR能够实现地理加权回归计算，里面有GWR4操作说明，虽然是英文，但有图片介绍，很容易理解，是GWR模型入门的好工具，适合经济学、数据挖掘等人员使用(GWR can realize geographically weighted regression calculation, including GWR4 operation instructions. Although it is in English, it has pictures to introduce, and is easy to understand. It is a good tool for GWR model entry. It is suitable for personnel such as economics and data mining.)

weka是一个很优秀的数据挖掘软件，可以把weka作为程序包打入工程中，基本想要的功能很快就能实现

说明：  机器学习实战中文英文pdf+数据集+代码(Practice of machine learning)

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)

MonteCarlo仿真的C++源码,具有参考价值(C source code of MonteCarlo simulation, which has reference value)