作者:胡良平主编出版社:电子工业出版社出版时间:2015年09月本书内容丰富且新颖，适用面宽且可操作性强。
涉及SAS软件基础和五种高级编程技术、统计设计中关键技术的SAS实现、定量与定性资料差异性和预测性分析。
这些内容高质量、高效率地解决了实验设计、统计表达与描述、各种常用统计分析、现代回归分析、SAS高级编程技术和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。
本书第1、2篇共7章，介绍了SAS软件应用入门、SAS语言基础、五种SAS高级编程技术，介绍了用SAS实现实验设计的关键技术（包括样本含量与检验效能估计、*化和直接生成设计类型）；
第3、4篇共8章，对各种单因素和多因素设计下定量与定性结果进行差异性分析；
第5、6篇共16章，对定量与定性结果提供了数十种预测性分析方法，包括定量和定性原因变量的判别分析。
涉及SAS软件基础和五种高级编程技术、统计设计中关键技术的SAS实现、定量与定性资料差异性和预测性分析。
这些内容高质量、高效率地解决了实验设计、统计表达与描述、各种常用统计分析、现代回归分析、SAS高级编程技术和SAS实现及结果解释等人们迫切需要解决却又十分棘手的问题。
本书第1、2篇共7章，介绍了SAS软件应用入门、SAS语言基础、五种SAS高级编程技术，介绍了用SAS实现实验设计的关键技术（包括样本含量与检验效能估计、*化和直接生成设计类型）；
第3、4篇共8章，对各种单因素和多因素设计下定量与定性结果进行差异性分析；
第5、6篇共16章，对定量与定性结果提供了数十种预测性分析方法，包括定量和定性原因变量的判别分析。
2023/9/14 1:36:37
193KB
1
关于2018年美国大学生数学建模C题国际一等奖获奖论文，包括神经网络算法、回归方程、Topsis等算法数学模型的应用。
2023/9/10 0:07:29
840KB
1
好几种方法，wlls，lls，nr，gn回归，hessian，可用，但要注意方法。
。
。
(Passivetargetingsomesimulationcode,includingwhenTOATwo-dimensionallinear,nonlinear,maximumlikelihoodalgorithmandCramer-Raolowerbound,meansquareerrorcode)
。
。
(Passivetargetingsomesimulationcode,includingwhenTOATwo-dimensionallinear,nonlinear,maximumlikelihoodalgorithmandCramer-Raolowerbound,meansquareerrorcode)
2023/9/3 11:13:37
18KB
1
用R实现随机森林的分类与回归ApplicationsofRandomForestusingRClassificationandRegression
2023/9/2 15:35:39
5.76MB
1
一个应用MATLAB对数据进行多重共线性检验的小程序。
在进行多元线性回归前，通常需要进行多重共线性检验，以保证良好的回归效果。
多重共线性的表征方法为VIF值，改程序用于自动计算VIF值。
在进行多元线性回归前，通常需要进行多重共线性检验，以保证良好的回归效果。
多重共线性的表征方法为VIF值，改程序用于自动计算VIF值。
2023/8/29 5:33:35
319B
1
adaboost演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等
2023/8/28 8:23:17
13KB
1
数据科学正在快速发展成所有行业开发人员和管理人员的关键技能，它看起来也十分有趣。
但是，它非常复杂，虽有许多工程和分析工具助力，却也难清楚掌握现在做得对不对，哪里是不是有陷阱。
在本文中，我们解释了如何发挥数据科学的作用，理解哪里需要它，哪里不需要它，以及如何令它为你产生价值，如何从先行者那里获得有用的经验。
这是“GettingAHandleOnDataScience”系统文章中的一部分，你可以通过此RSS予以订阅。
大多数类型的机器学习项目归根结底通常是使用监督式学习方式进行分类或回归。
特征工程是大多数机器学习过程中的一个关键组成部分。
像K均值（K-means）之类无人监督式的学习算法能用于你事前
但是，它非常复杂，虽有许多工程和分析工具助力，却也难清楚掌握现在做得对不对，哪里是不是有陷阱。
在本文中，我们解释了如何发挥数据科学的作用，理解哪里需要它，哪里不需要它，以及如何令它为你产生价值，如何从先行者那里获得有用的经验。
这是“GettingAHandleOnDataScience”系统文章中的一部分，你可以通过此RSS予以订阅。
大多数类型的机器学习项目归根结底通常是使用监督式学习方式进行分类或回归。
特征工程是大多数机器学习过程中的一个关键组成部分。
像K均值（K-means）之类无人监督式的学习算法能用于你事前
2023/8/22 14:53:45
372KB
1
python数据挖掘实验，内附有八个实验文档说明。
实验一探索性数据分析演示、实验二常用概率分布演示、实验三置信区间和假设检验演示、实验四线性回归模型演示.................
实验一探索性数据分析演示、实验二常用概率分布演示、实验三置信区间和假设检验演示、实验四线性回归模型演示.................
2023/8/21 12:48:58
2.8MB
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