Category Archives: 机器学习

R语言使用tf-idf描述NASA元数据的文本和关键字

By tecdat12月 13, 2019数理统计, 机器学习, 计算机科学与技术R语言, tf-idf, 数据, 文本挖掘

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语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

By tecdat12月 11, 20193 comments大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术BVAR, VAR模型, 向量自回归, 自回归, 贝叶斯, 贝叶斯向量自回归, 随机搜索变量选择

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。

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

By tecdat12月 9, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Iris, pandas, python, Scikit-learn, 交叉验证, 决策树, 分类, 鸢尾花数据

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)

By tecdat12月 9, 2019大数据部落, 机器学习, 计算机科学与技术CNN, TensorFlow

CNN+ Auto-Encoder 实现无监督Sentence Embedding ( 基于Tensorflow)

【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

By tecdat11月 26, 20191 comment大数据部落, 数理统计, 机器学习, 特色视频, 计算机科学与技术GAM, R语言, 广义加法模型, 广义相加模型, 时间序列, 电力负荷, 电力负荷预测

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。

R语言实现偏最小二乘回归法 partial least squares (PLS)回归

By tecdat11月 20, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术partial least squares, PLS, R语言, 偏最小二乘, 偏最小二乘回归, 回归, 最小二乘

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

By tecdat11月 18, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Keras, LSTM, nlp, python, 分类, 文本, 神经网络

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

By tecdat11月 18, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, python, Web抓取, 主题, 主题模型, 数据采集, 爬虫, 词云, 语义, 采集

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

By tecdat11月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术python, 文本分类, 神经网络

深度学习无处不在。在本文中，我们将使用Keras进行文本分类。

使用Python中的ImageAI进行对象检测

By tecdat11月 13, 2019信息与通信工程, 图像处理, 大数据部落, 控制科学与工程, 数理统计, 机器学习, 机械工程及自动化, 计算机科学与技术ImageAI, python, 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

By tecdat11月 12, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术FastText, nlp, python, 自然语言处理

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。

Python中用PyTorch机器学习神经网络分类预测银行客户流失模型

By tecdat11月 8, 2019大数据部落, 数据库, 数理统计, 机器学习, 计算机科学与技术PyTorch, 分类, 分类预测, 客户流失模型, 机器学习, 深度学习, 神经网络, 银行, 预测

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。

基于keras平台CNN神经网络模型的服装图像识别分析

By tecdat11月 8, 2019图像处理, 大数据部落, 数理统计, 机器学习, 计算机科学与技术CNN, Keras, 神经网络

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。

用于NLP的Python：使用Keras进行深度学习文本生成

By tecdat11月 6, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Keras, nlp, python, 人工智能, 文本, 文本生成, 深度学习

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。

python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译

By tecdat11月 6, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Keras, LSTM, nlp, python, seq2seq, 机器翻译, 神经机器翻译, 神经网络

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

By tecdat11月 5, 2019图像处理, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Keras, python, 主成分分析, 图像重建, 神经网络, 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

【视频讲解】在R语言中进行缺失值填充：估算缺失值

By tecdat11月 1, 2019大数据部落, 数理统计, 机器学习, 特色视频, 计算机科学与技术R语言, 估算缺失值, 回归, 填充, 多元插补, 多重插补, 插补, 缺失值, 随机森林, 非参数回归

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。

matlab使用贝叶斯优化的深度学习：卷积神经网络CNN

By tecdat10月 22, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术matlab, 深度学习, 贝叶斯

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。

Python中的Apriori关联算法-市场购物篮分析

By tecdat10月 21, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Apriori, python, 关联, 关联算法, 关联规则, 购物篮

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。

机器学习：在SAS中运行随机森林

By tecdat10月 16, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术SAS, 机器学习, 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”。

python对网络图networkx进行社区检测和彩色绘图

By tecdat10月 14, 2019可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术networkx, python, 社区检测, 网络图

以下是创建图表，检测其中的社区，然后在少于10行的python中使用由其社区着色的节点进行可视化的方法：

使用Python和SAS Viya分析社交网络

By tecdat10月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术python, SAS, SAS Viya, 社交网络

本示例使用Python和SAS分析了预防高危药物研究的结果。这个社交网络有194个节点和273个边，分别代表药物使用者和这些使用者之间的联系。

R语言确定聚类的最佳簇数：3种聚类优化方法

By tecdat9月 28, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 最佳簇数, 聚类, 聚类优化

确定数据集中最佳的簇数是分区（划分）聚类（例如k均值聚类）中的一个基本问题，它要求用户指定要生成的簇数k。

Using Garch model and regression model to analyzing stock prices in R

By tecdat9月 21, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融GARCH, prices, R, regression, stock

In order to find out the main factors affecting price fluctuations, we use stepwise regression to eliminate some independent variables that have little impact on the dependent variable, that is, the price. The name of the variable is changed to x1, x2…

R语言如何做马尔可夫转换模型markov switching model

By tecdat9月 18, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融Markov, markov switching model, R语言, 时间序列, 马尔可夫, 马尔可夫区制转换, 马尔科夫转换

最近我们被客户要求撰写关于时间序列的研究报告。假设有时间序列数据，如下所示。经验表明，目标变量y似乎与解释变量x有关。

python主题建模可视化LDA和T-SNE交互式可视化

By tecdat9月 18, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, python, t-SNE, 主题建模, 可视化

我尝试使用Latent Dirichlet分配LDA来提取一些主题。 本教程以自然语言处理流程为特色，从原始数据开始，准备，建模，可视化论文。

R语言文本挖掘tf-idf,主题建模，情感分析,n-gram建模研究

By tecdat9月 18, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术n-gram, 主题建模, 情感分析, 文本, 文本挖掘

最近我们被客户要求撰写关于文本挖掘的研究报告。我们对20个Usenet公告板的20,000条消息进行分析。

Python基于粒子群优化(PSO)的投资组合优化研究

By tecdat9月 16, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融PSO, python, 优化, 套利, 投资组合, 粒子群优化

我今年的研究课题是使用粒子群优化（PSO）的货币进行交易组合优化。

R语言使用Metropolis- Hasting抽样算法进行逻辑回归

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Metropolis, Metropolis- Hasting, Metropolis–Hastings, 回归, 抽样, 抽样算法, 逻辑回归

在逻辑回归中，我们将二元因变量Y_i回归到协变量X_i上。

R语言文本挖掘NASA数据网络分析，tf-idf和主题建模

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, tf-idf, 主题建模, 文本挖掘, 网络分析

NASA托管和/或维护了超过32,000个数据集; 这些数据集涵盖了从地球科学到航空航天工程到NASA本身管理的主题。

R语言基于Keras的小数据集深度学习图像分类

By tecdat9月 15, 2019图像处理, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Keras, R语言, 图像分类, 深度学习

必须使用非常少的数据训练图像分类模型是一种常见情况，如果您在专业环境中进行计算机视觉，则在实践中可能会遇到这种情况。

R语言实现拟合神经网络预测和结果可视化

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 可视化, 神经网络, 预测

神经网络一直是迷人的机器学习模型之一

R语言用Rcpp加速Metropolis-Hastings抽样估计贝叶斯逻辑回归模型的参数

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Hastings, Metropolis, Metropolis–Hastings, Rcpp, 回归, 抽样, 贝叶斯, 逻辑回归

在最近的一篇文章中，我描述了一个Metropolis-in-Gibbs采样器，用于估计贝叶斯逻辑回归模型的参数。

Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力负荷数据

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LSTM, python, 时间序列, 电力消耗, 电力负荷, 电力负荷预测, 长短期记忆模型, 预测

LSTM（或长期短期存储器网络）允许分析具有长期依赖性的顺序或有序数据。当涉及到这项任务时，传统的神经网络不足，在这方面，LSTM将用于预测这种情况下的电力消耗模式。

如何用R语言在机器学习中建立集成模型？

By tecdat9月 15, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 机器学习, 集成模型

在本文中，我将向您介绍集成建模的基础知识。 另外，为了向您提供有关集合建模的实践经验。

R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

By tecdat9月 14, 2019可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术PCA, R语言, t-SNE, t-SNE算法, 主成分, 可视化, 降维, 高维数据

维度降低有两个主要用例：数据探索和机器学习。

R语言中不同类型的聚类方法比较

By tecdat9月 9, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 比较, 聚类

聚类方法用于识别从营销，生物医学和地理空间等领域收集的多变量数据集中的相似对象。

R语言中的划分聚类模型

By tecdat9月 9, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 划分聚类, 模型

划分聚类 是用于基于数据集的相似性将数据集分类为多个组的聚类方法。

R语言stan进行基于贝叶斯推断的回归模型

By tecdat9月 4, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, stan, 回归, 贝叶斯, 贝叶斯推断, 贝叶斯推理分析

可以从许多统计软件包中运行Stan。到目前为止，我一直在从R运行Stan。

在PYTHON中进行主题模型LDA分析

By tecdat9月 3, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, nlp, python, 主题模型, 文本, 文本处理, 文本挖掘

主题建模是一种在大量文档中查找抽象主题的艺术方法。

基于模型的聚类和R语言中的高斯混合模型

By tecdat8月 23, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术GMM, R语言, 聚类, 高斯, 高斯混合模型

四种最常见的聚类方法模型是层次聚类，k均值聚类，基于模型的聚类和基于密度的聚类

R语言Kaggle泰坦尼克号性别阶级模型数据分析案例

By tecdat8月 19, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术Kaggle, R语言, 泰坦尼克号

这场灾难以拯救“妇女和儿童第一”而闻名，所以让我们来看看性别和年龄变量。

用R语言实现神经网络预测股票实例

By tecdat8月 12, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融R语言, 神经网络, 股票, 预测

神经网络是一种基于现有数据创建预测的计算系统。

R语言线性判别分析（LDA），二次判别分析（QDA）和正则判别分析（RDA）

By tecdat8月 11, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, QDA, RDA, R语言, 二次判别分析, 判别分析, 正则判别分析, 线性判别分析

判别分析是可用于分类和降维的方法。

R语言社区主题检测算法应用案例

By tecdat8月 11, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 主题, 检测, 社区, 社区主题, 社区检测算法

通过分析文本和共同作者社交网络来研究社会科学、计算机和信息学方面的出版物。

R语言电信公司churn数据客户流失 k近邻（knn）模型预测分析

By tecdat8月 9, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术churn, churn数据, knn, k近邻, R语言, 客户流失, 电信公司

A telephone company is interested in determining which customer characteristics are useful for predicting churn, customers who will leave their service.

R语言时间序列和ARIMA模型预测拖拉机销售的制造案例研究

By tecdat8月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术arima, R语言, 时间序列, 预测

本文是我们通过时间序列和ARIMA模型预测拖拉机销售的制造案例研究示例。

R语言使用马尔可夫链对营销中的渠道归因建模

By tecdat8月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术渠道归因, 渠道归因建模, 营销, 马尔可夫, 马尔可夫链

在这篇文章中，我们看看什么是渠道归因，以及它如何与马尔可夫链的概念联系起来。

Python之LDA主题模型算法应用

By tecdat8月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, python, 主题模型, 主题模型算法, 文本挖掘

在这篇文章中，我将介绍用于Latent Dirichlet Allocation（LDA）的lda Python包的安装和基本用法。

R语言聚类算法的应用实例

By tecdat8月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 实例, 应用, 算法, 聚类

R语言聚类算法的应用实例

R语言中LDA模型：对文本数据进行主题模型topic modeling分析

By tecdat8月 2, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, R语言, topic modeling, 主题模型, 文本, 文本数据

在文本挖掘中，我们经常收集一些文档集合，例如博客文章或新闻文章，我们希望将其分成组，以便我们可以分别理解它们。主题建模是对这些文档进行无监督分类的一种方法，类似于对数字数据进行聚类，即使我们不确定要查找什么，也可以找到分组。

R语言泰坦尼克号随机森林模型案例数据分析

By tecdat8月 2, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 决策树, 分类, 泰坦尼克号, 随机森林

如果我们对所有这些模型的结果进行平均，我们有时可以从它们的组合中找到比任何单个部分更好的模型。这就是集成模型的工作方式。

python主题LDA建模和t-SNE可视化

By tecdat8月 2, 2019信息管理与信息系统, 可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术, 软件工程LDA, python, t-SNE, 主题, 主题LDA, 可视化, 建模

我们将首先介绍主题建模和t-SNE，然后将这些技术应用于两个数据集：20个新闻组和推文。

R语言用随机森林和文本挖掘提高航空公司客户满意度

By tecdat8月 1, 2019地理，运输，旅行和物流, 大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 客户满意度, 文本挖掘, 满意度, 航空公司, 随机森林

尽管航空业强劲，但为了保持持续增长以及作为跨地区行业领导者的持续地位，必须时刻保持警惕，以跟上客户需求。

matlab实现MCMC的马尔可夫转换MS-ARMA – GARCH模型估计

By tecdat8月 1, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融ARMA, ARMA-GARCH, matlab, MCMC, MS-ARMA - GARCH, 马尔可夫切换, 马尔可夫转换

状态转换模型，尤其是马尔可夫转换（MS）模型，被认为是识别时间序列非线性的不错的方法。

虎扑社区论坛数据爬虫分析报告

By tecdat8月 1, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术数据, 爬虫, 虎扑社区, 论坛数据

总体上看，虎扑会员以年轻的男性和在校大学生为主，他们喜欢篮球等体育运动，关注NBA,英超等球类联赛

R语言对推特数据进行文本情感分析

By tecdat7月 31, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 情感分析, 推特数据, 文本情感分析

据外媒报道，特朗普上任8天以来引发51%美国人的不满，42%美国人赞同新总统的政策。该项调查共有1500名成年美国人，误差为3%。

从决策树模型看员工为什么离职？

By tecdat7月 31, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术CART回归决策树, weka, 决策树, 决策树模型, 决策树模型应用案例, 梯度提升决策树, 离职

马云说：“员工离职的原因总是只有两个：钱，没有到位;心委屈了。”

R语言之文本分析：主题建模LDA

By tecdat7月 31, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术LDA, R语言, 主题建模, 文本分析

通常，当我们在线搜索信息时，有两种主要方法：关键字 – 使用搜索引擎并输入与我们想要查找的内容相关的单词
链接。链接的页面可能共享相似或相关的内容。

隐马尔可夫模型HMM识别不断变化的市场条件

By tecdat7月 30, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融HMM, R语言, 股市, 股票, 隐马尔可夫模型, 马尔可夫

某些策略在波动剧烈的市场中表现良好，而其他策略则需要强劲而平稳的趋势，否则将面临长时间的下跌风险。

R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样

By tecdat7月 30, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术MCMC, Metropolis–Hastings, R语言, 吉布斯采样, 贝叶斯, 采样

最近我们被客户要求撰写关于采样算法的研究报告。第一步，我们创建一些测试数据，用来拟合我们的模型。

R语言：EM算法和高斯混合模型的实现

By tecdat7月 27, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术EM算法, R语言, 高斯混合模型

本文考虑R语言的EM算法和高斯混合模型实现。

使用SAS Enterprise Miner进行数据挖掘：信用评分构建评分卡模型

By tecdat7月 26, 2019信息管理与信息系统, 大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融SAS, SAS Enterprise, 数据挖掘, 评分卡模型

信用记分卡一直是信用评分的标准模型，因为它们易于理解，使您能够轻松评分新数据-即计算新客户的信用评分。

银行信用数据SOM神经网络聚类实现

By tecdat7月 26, 2019信息管理与信息系统, 大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, SOM, 神经网络, 聚类, 银行信用数据

银行信用数据SOM神经网络聚类实现

R语言鸢尾花iris数据集的层次聚类分析

By tecdat7月 25, 2019可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Iris, iris数据集, R语言, 层次聚类, 聚类, 鸢尾花

本文在iris数据集上展示了如何使用R软件来建立Hierarchical Cluster Analysis层次聚类分析（更好的可视化和灵敏度分析）。

R语言基于copula的贝叶斯分层混合模型的诊断准确性研究

By tecdat7月 24, 2019医药生物, 大数据部落, 数理统计, 机器学习, 计算机科学与技术copula, R语言, 准确性, 分层混合模型, 诊断, 贝叶斯, 贝叶斯分层混合模型

在对诊断测试准确性的系统评价中，统计分析部分旨在估计测试的平均（跨研究）敏感性和特异性及其变异性以及其他测量。

r语言聚类分析：k-means和层次聚类

By tecdat7月 24, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术k-means, R语言, 层次聚类, 聚类, 聚类分析

聚类分析算法很多，比较经典的有k-means和层次聚类法。

python用线性回归预测股票价格

By tecdat7月 24, 2019大数据部落, 数理统计, 机器学习, 经济, 计算机科学与技术, 金融python, 线性回归, 股票, 预测股票价格

线性回归在财务中被广泛应用于众多应用程序中。

• 1
• 2
• 3
• 4
• 5