Algorithm代做编程辅导:CS406 Greed Algorithm
Greedy Algorithm,也就是贪心算法,局部最优化的算法
Greedy Algorithm,也就是贪心算法,局部最优化的算法
Insert Sort和Merge Sort是排序算法中两个最基础的算法,虽然实际中很难用到,但是作为排序的启蒙还是不错的。
Database Management的大作业,根据现有代码片段以及架构图
Normal From是数据库理论里面最恶心的问题,从1NF到6NF,加上BCNF,DKNF以及UF。
Web的裸写大作业,做一个Cinemas,包括Image Gallery,Movies Selection,Movies Reservation,Shopping Cart等等功能页面
一个21点的扑克牌游戏,作业提供了框架以及游戏引擎,不过UI库是学校内部的,需要学习成本。
大数据作业,利用Hadoop去跑数据集,先是几个基本的MapReduce简单问题
Prior to beginning tis assignment, please download the studentsdb.sql, studentdb.pdf and the Index.php file from the course web site.
In this assignment, you will compare the characteristics and performance of different classifiers,
高大上的Elections,特别是在大选中,投票往往会采用电子选箱,也就是智能选举系统。
This final project is a group project, each group should have two people.
In this assignment you will write a graphics-based program to do a random walk, sometimes also known as a drunkard’s walk.
Tic-tac-toe is a two-player game that children often play to pass the time.
最近我们被客户要求撰写关于租房数据分析的研究报告。利用 python 爬取链家网公开的租房数据
本文将探讨 Fisher 和 Anderson 鸢尾花数据集中呈现的三个变量之间的关系,特别是virginica 和 versicolor 级别的因变量变量物种对预测变量花瓣长度和花瓣宽度的逻辑回归。
如果_真实_模型包括_X_ 1 和_X_ 2 ,但我们忘记了_X_ 2,那么 – 在某些情况下 – 对_X_的估计将会有偏差。OVB 需要:cor( X 1, X 2)!= 0 和 cor( X 1, y ) != 0
本文用爬虫采集了汽车销售数据,后来对其进行了扩展,创建这个数据集,其中包括境内的所有二手车辆或者经销商车辆条目数据。
本文展示了如何使用 R 构建Bootstrap自举置信区间的示例。
考虑我们从实验、事件等中观察到一些数据 y 的情况。
在拟合 GLM(并检查残差)之后,可以使用 z 检验一一检验估计参数的显着性,即将估计值与其标准误差进行比较。
WeChat Tencent QQ email print 由Kaizong Ye,Sherry Deng撰写
在这个项目中,我讨论了如何使用主成分分析 (PCA) 进行简单的预测。
主题将紧紧围绕以下几点:有哪些书籍值得推荐?一般书籍的价格是多少?一本书的评分和评论数量之间是否存在某种关系?
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
本文演示了如何训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
潜类别轨迹建模 (LCTM) 是流行病学中一种相对较新的方法,用于描述生命过程中的暴露,它将异质人群简化为同质模式或类别。
在多变量波动率预测中,我们有时会看到对少数主成分驱动的协方差矩阵建模,而不是完整的股票。
当ARIMA模型包括其它时间序列作为输入变量时,被称为传递函数模型(transfer function model)、多变量时间序列模型(multivariate time series model)、ARIMAX模型或Box-Tiao模型。
2017 年年中,R 推出了 Keras 包 ,这是一个在 Tensorflow 之上运行的综合库,具有 CPU 和 GPU 功能。本文将演示如何在 R 中使用 LSTM 实现时间序列预测。
分类树的一个常见用途是预测抵押贷款申请人是否会拖欠贷款。
本文描述了如何 使用内置 R 执行主成分分析 ( PCA )。
世界卫生组织估计全世界每年有 1200 万人死于心脏病。
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
我们在心理学网络论文中看到的一个问题是,作者有时会对其数据的可视化进行过度解释。
本文介绍简化模型构建和评估过程。
Boosting 是一类集成机器学习算法,涉及结合许多弱学习器的预测。
铁和泛酸的极好来源,是澳大利亚、美国和东亚的营养食品资源和农业。100 克鲍鱼可提供超过 20% 的每日推荐摄入量。鲍鱼的经济价值与其年龄呈正相关。因此,准确检测鲍鱼的年龄对于养殖者和消费者确定其价格非常重要。
T-distributed Stochastic Neighbor Embedding (T-SNE) 是一种可视化高维数据的工具。
在这个例子中,我们考虑随机波动率模型 SV0 的应用,例如在金融领域。
时间序列是以固定时间_区间_记录的观察序列。
在最近的一篇文章中,我们展示了一个LSTM模型,通过假近邻(FNN)损失进行正则化,可以用来重建一个非线性动态系统。
最近,我们使用贝叶斯非参数(BNP)混合模型进行马尔科夫链蒙特卡洛(MCMC)推断。
两阶段最小二乘法(2SLS)回归拟合的线性模型是一种常用的工具变量估计方法。
最近我们被客户要求撰写关于线性混合效应模型的研究报告,包括一些图形和统计输出。线性混合效应模型与我们已经知道的线性模型有什么不同?
简单地说,copulas是具有均匀边际的联合分布函数。
在这篇文章中,我们将回顾三种提高循环神经网络的性能和泛化能力的高级方法。
降维是在我们处理包含过多特征数据的大型数据集时使用的,提高计算速度,减少模型大小,并以更好的方式将巨大的数据集可视化。这种方法的目的是保留最重要的数据,同时删除大部分的特征数据。
我们在研究工作中使用广义加性模型(GAMs)。mgcv软件包是一套优秀的软件,可以为非常大的数据集指定、拟合和可视化GAMs。
在本文中,我们将使用基因表达数据。这个数据集包含120个样本的200个基因的基因表达数据。
本文目标是创建合成波动率指数
数学模型的统计评价通常是通过考虑测试统计量来进行的,测试统计量表示观察数据和拟合模型的数据之间的差异。
一旦我们清理了我们的文本并进行了一些基本的词频分析,下一步就是了解文本中的观点或情感。这被认为是情感分析,本教程将引导你通过一个简单的方法来进行情感分析。
贝叶斯网络(BN)是一种基于有向无环图的概率模型,它描述了一组变量及其相互之间的条件依赖性。
使用glmnet软件包中的相关函数对岭回归和lasso套索回归进行分析。
(a)部分:k-means聚类
使用k-means聚类法将数据集聚成2组。
画一个图来显示聚类的情况
使用k-means聚类法将数据集聚成3组。
画一个图来显示聚类的情况
(b)部分:层次聚类
使用全连接法对观察值进行聚类。
使用平均和单连接对观测值进行聚类。
绘制上述聚类方法的树状图。
基本的Prophet模型是一个可分解的单变量时间序列模型,结合了趋势、季节性和节假日效应。
这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法。
本文提供了一个在统计模型中使用马可夫转换模型模型的例子,来复现Kim和Nelson(1999)中提出的一些结果。
本报告是对心脏研究的机器学习/数据科学调查分析。更具体地说,我们的目标是在心脏研究的数据集上建立一些预测模型,并建立探索性和建模方法。但什么是心脏研究?
我们将使用葡萄酒数据集进行主成分分析。
本文是一个简短的教程,在R中拟合BRT(提升回归树)模型。我们的目标是使BRT(提升回归树)模型应用于生态学数据,并解释结果。
相信大家都听说过股票和债券的多元化投资组合。
本文学习创建时间序列预测的步骤,关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA(自回归移动平均)模型,从理论上学习这些概念以及它们在python和R中的实现。
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
预测股价已经受到了投资者,政府,企业和学者广泛的关注。然而,数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务。
在本文中,我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds