配套的相关资料，好东西。
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
2024/2/5 9:49:43
153.32MB
1
为BParking分析量身定制的nanoAOD生产商重点是RK/K*/phi分析。
入门cmsrelCMSSW_10_2_15cdCMSSW_10_2_15/srccmsenvgitcms-init添加低pT能量ID并进行回归ID模型为2020Sept15月15日（深度=15，ntrees=1000）。
gitcms-merge-topicCMSBParking:from-CMSSW_10_2_15_2020Sept15gitclone--single-branch--branchfrom-CMSSW_10_2_15_2020Sept15git@github.com:CMSBParking/RecoEgamma-ElectronIdentification.git$CMSSW_BASE/external/$SCRAM_ARCH/
入门cmsrelCMSSW_10_2_15cdCMSSW_10_2_15/srccmsenvgitcms-init添加低pT能量ID并进行回归ID模型为2020Sept15月15日（深度=15，ntrees=1000）。
gitcms-merge-topicCMSBParking:from-CMSSW_10_2_15_2020Sept15gitclone--single-branch--branchfrom-CMSSW_10_2_15_2020Sept15git@github.com:CMSBParking/RecoEgamma-ElectronIdentification.git$CMSSW_BASE/external/$SCRAM_ARCH/
2024/2/2 18:35:15
8.05MB
1
内含2021美赛C题第一问代码。
内涵数据整理、可视化、回归、时间序列分析、生长季节的建模实现代码；
第二问代码。
内涵图像处理、词云图、词频统计、回归模型、变量选择、判别分析的建模实现代码。
感兴趣的可以下载学习。
声明：只可自己使用，不可商用。
违者必究。
具体思路分析见下面链接：https://tjxwz.blog.csdn.net/article/details/113722054
内涵数据整理、可视化、回归、时间序列分析、生长季节的建模实现代码；
第二问代码。
内涵图像处理、词云图、词频统计、回归模型、变量选择、判别分析的建模实现代码。
感兴趣的可以下载学习。
声明：只可自己使用，不可商用。
违者必究。
具体思路分析见下面链接：https://tjxwz.blog.csdn.net/article/details/113722054
2024/1/28 18:58:08
683.58MB
1
1.C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2.K-means算法：是一种聚类算法。
3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中4.Apriori：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7.Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来，构成一个更强的最终分类器。
8.KNN：是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.NaiveBayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（NaiveBayes）10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝
2024/1/25 9:25:40
626KB
1
该资源包含视觉工作中常用到的一些技巧和算法，包含有回归、决策树、贝叶斯、EM算法、SVM、增强、流行、RBF、稀疏、字典、BP、CNN、RBM、深度学习、遗传算法、蚂蚁算法等等
2024/1/23 7:34:14
125.47MB
1
自回归滑动平均模型（ARMA模型，Auto-RegressiveandMovingAverageModel）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。
在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；
在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；
在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
2024/1/21 16:37:48
13KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB