R语言多重比较方法
假设检验的基本原理是小概率原理，即我们认为小概率事件在一次试验中实际上不可能发生。
Blog
R语言逐步多元回归模型分析长鼻鱼密度影响因素
我从马里兰州生物流调查中提取了一些数据，以进行多元回归分析。
R语言对回归模型进行协方差分析
R语言对回归模型进行协方差分析
R语言曲线回归：多项式回归、多项式样条回归、非线性回归数据分析
本文将使用三种方法使模型适合曲线数据：1）多项式回归；2）用多项式样条进行B样条回归；3） 进行非线性回归。
R语言中进行Spearman等级相关分析
本文展示了r语言中如何进行Spearman等级相关分析的例子。
R语言相关分析和稳健线性回归分析
R语言相关分析和稳健线性回归分析
R语言使用tf-idf描述NASA元数据的文本和关键字
NASA有32,000多个数据集，有关NASA数据集的元数据 可以JSON格式在线获得。
R语言对NASA元数据进行文本挖掘的主题建模分析
R语言对NASA元数据进行文本挖掘的主题建模分析
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型
向量自回归（VAR）模型的一般缺点是，估计系数的数量与滞后的数量成比例地增加。
R语言VAR向量自回归模型的不同类型的脉冲响应分析
脉冲响应分析是采用向量自回归模型的计量经济学分析中的重要一步。
【视频讲解】R语言用向量自回归（VAR）进行经济数据脉冲响应研究分析
自从Sims（1980）发表开创性的论文以来，向量自回归模型已经成为宏观经济研究中的关键工具。
R语言从经济时间序列中用HP滤波器，小波滤波和经验模态分解等提取周期性成分分析
经济时间序列的分析通常需要提取其周期性成分。
python中使用scikit-learn和pandas决策树进行iris鸢尾花数据分类建模和交叉验证
最近我们被客户要求撰写关于决策树分类的研究报告。将使用著名的iris数据集，该数据集对各种不同的iris类型进行各种测量。
CNN+ Auto-Encoder 实现无监督Sentence Embedding ( 基于Tensorflow)
CNN+ Auto-Encoder 实现无监督Sentence Embedding ( 基于Tensorflow)
R语言数据可视化分析案例：探索BRFSS数据数据分析报告
R语言数据可视化分析案例：探索BRFSS数据数据分析报告
R语言探索BRFSS数据可视化
R语言探索BRFSS数据可视化
数据把握电影市场需求
电影产业是文化产业的重要支柱，作为一种文化产品，通过商业元素与艺术元素结合释放巨大价值 ，电影的票房能直观的体现电影的市场需求。
R语言在BRFSS数据中可视化分析探索糖尿病的影响因素
R语言在BRFSS数据中可视化分析探索糖尿病的影响因素
R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风
R语言可视化探索BRFSS数据并逻辑回归Logistic回归预测中风
R语言对BRFSS数据探索回归数据分析
R语言对BRFSS数据探索回归数据分析
使用R语言创建自定义桑基图Sankey图
使用R语言创建自定义桑基图Sankey图
【视频】在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析
在绘制的时间序列中可以看到两个主要的季节性：每日和每周。我们在一天中有48个测量值，在一周中有7天，因此这将是我们用来对响应变量进行建模的自变量–电力负荷。
用Python进行图像模糊处理和特征提取
特征提取。但是这里我们需要更深入的数据清理。数据清理是在数据集，表格，文本等上完成的。如何在图像上完成？
R语言中的偏最小二乘回归PLS-DA
主成分回归（PCR）的方法 本质上是使用第一个方法的普通最小二乘（OLS）拟合来自预测变量的主成分（PC）。
R语言实现偏最小二乘回归法 partial least squares (PLS)回归
偏最小二乘回归是一种回归形式 。
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
最近我们被客户要求撰写关于开发具有多个输出的文本分类模型的研究报告。
python爬虫进行Web抓取LDA主题语义数据分析
从网站提取数据的方法称为网络抓取。
Python使用神经网络进行简单文本分类
深度学习无处不在。在本文中，我们将使用Keras进行文本分类。
在Python中自然语言处理生成词云WordCloud
在Python中自然语言处理生成词云WordCloud
使用Python中的ImageAI进行对象检测
在本文中，您将看到如何在Python中执行对象检测。
适用于NLP自然语言处理的Python：使用Facebook FastText库
在本文中，我们将研究FastText，它是用于单词嵌入和文本分类的另一个极其有用的模块。
R语言ISLR工资数据进行多项式回归和样条回归分析
使用交叉验证为多项式选择最佳次数。选择了什么程度，这与使用进行假设检验的结果相比如何ANOVA？对所得多项式拟合数据进行绘图。
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
分类问题属于机器学习问题的类别，其中给定一组特征，任务是预测离散值。
回归分析与相关分析的区别和联系
回归分析与相关分析的区别和联系
R语言OutliersO3软件包异常值检测方法比较
R语言OutliersO3软件包异常值检测方法比较
基于keras平台CNN神经网络模型的服装图像识别分析
在许多介绍图像识别任务的介绍中，通常使用着名的MNIST数据集。
主成分分析(PCA)原理及R语言实现及分析实例
主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。
R语言实现向量自回归VAR模型
澳大利亚在2008 – 2009年全球金融危机期间，政府发布了一揽子刺激计划，其中包括2008年12月的现金支付，恰逢圣诞节支出。
python在Keras中使用LSTM解决序列问题
时间序列预测是指我们必须根据时间相关的输入来预测结果的问题类型。
python使用MongoDB，Seaborn和Matplotlib文本分析和可视化API数据
python使用MongoDB，Seaborn和Matplotlib文本分析和可视化API数据
用于NLP的Python：使用Keras进行深度学习文本生成
深度学习技术已用于各种文本生成任务，例如写作诗歌，生成电影脚本甚至创作音乐。
用Python的Numpy求解线性方程组
在本文中，您将看到如何使用Python的Numpy库解决线性方程组。
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
在本文中，我们将看到如何创建语言翻译模型，这也是神经机器翻译的非常著名的应用。
使用Python和Keras进行主成分分析、神经网络构建图像重建的自动编码器
如今，几乎我们使用的每个应用程序中都有大量数据- 听音乐， 浏览朋友的图像，或者 观看新的预告片
python使用Flask，Redis和Celery的异步任务
随着Web应用程序的发展和使用的增加，用例也变得多样化。
解读出租房市场的数据密码
租赁市场正在发生变化。随着越来越多的行业巨头涌入，金融的、互联网的、房地产的，租赁地产成为炙手可热的风口。
【视频讲解】在R语言中进行缺失值填充：估算缺失值
缺失值被认为是预测建模的首要障碍。因此，掌握克服这些问题的方法很重要。
用R语言模拟混合制排队随机服务排队系统
在本文中我们用R语言模拟混合制排队随机服务排队系统。
用R语言模拟M / M / 1随机服务排队系统
本文中我在R中构造一个简单的M / M / 1队列的_离散事件_模拟 。
用R语言模拟随机服务排队系统
用R语言模拟随机服务排队系统
在Python中使用LSTM和PyTorch进行时间序列预测
诸如长期短期记忆网络（LSTM）之类的高级深度学习模型能够捕获时间序列数据中的模式，因此可用于对数据的未来趋势进行预测。
R、Python、Open Refine采集pdf数据，清理数据和格式化数据
R、Python、Open Refine采集pdf数据，清理数据和格式化数据
使用GIS制作静态地图和处理地理数据
使用GIS制作静态地图和处理地理数据
用R语言制作交互式图表和地图
用R语言制作交互式图表和地图
R语言动态图可视化：如何、创建具有精美动画的图
本文展示如何用R语言动态图可视化：如何、创建具有精美动画的图。
r语言绘制动态统计图：世界各国的人均GDP， 期望寿命和人口气泡图动画gif图
我们制作了以下图表，显示了2016年世界各国的人均GDP，出生时的期望寿命和人口。
matlab贝叶斯隐马尔可夫HMM模型实现
贝叶斯隐马尔可夫模型是一种用于分割连续多变量数据的概率模型。
matlab中的隐马尔可夫模型(HMM)实现
matlab中的隐马尔可夫模型(HMM)实现
matlab使用贝叶斯优化的深度学习：卷积神经网络CNN
此示例说明如何将贝叶斯优化应用于深度学习，以及如何为卷积神经网络找到最佳网络超参数和训练选项。
通过Python中的Apriori算法进行关联规则挖掘
通过Python中的Apriori算法进行关联规则挖掘
Python中的Apriori关联算法-市场购物篮分析
数据科学Apriori算法是一种数据挖掘技术，用于挖掘频繁项集和相关的关联规则。
R和Python机器学习:广义线性回归glm，样条glm，梯度增强，随机森林和深度学习模型分析
使用R和Python进行分析的主要好处之一是，它们充满活力的开源生态系统中总是有新的和免费提供的服务。
用Prophet在Python中进行时间序列预测
用Prophet在Python中进行时间序列预测
机器学习：在SAS中运行随机森林
为了在SAS中运行随机森林，我们必须使用PROC HPFOREST指定目标变量，并概述天气变量是“类别”还是“定量”。
