机器学习与数据科学
机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。
项目总结
实施整个学期学习的所有分类器，以预测通过BMI分类的美国肥胖率，其中最佳分类器为7倍KNN，预测准确性为81.54％ 分析模型选择方法以提供最佳模型并找到最佳预测因子； 结论是可以根据收入，饮食习惯，运动习惯和购物习惯来非参数地预测BMI
2021-08-30 13:48:18
18.05MB
1
目录
1. 一般最小二乘法 3
1.1. 一次计算最小二乘算法 3
1.2. 递推最小二乘算法 3
2. 遗忘因子最小二乘算法 6
2.1. 一次计算法 6
2.2. 递推算法 6
3. 限定记忆最小二乘递推算法 9
4. 偏差补偿最小二乘法 11
5. 增广最小二乘法 13
6. 广义最小二乘法 15
7. 辅助变量法 17
8. 二步法 19
9. 多级最小二乘法 21
10. Yule-Walker辨识算法 23
Matlab程序附录 24
附录1、最小二乘一次计算法 24
附录2、最小二乘递推算法 25
附录3、遗忘因子最小二乘一次计算法 26
附录4、遗忘因子最小二乘递推算法 27
附录5、限定记忆最小二乘递推算法 29
附录6、偏差补偿最小二乘递推算法 31
附录7、增广最小二乘递推算法 32
附录8、广义最小二乘递推算法 34
附录9、辅助变量法 36
附录10、二步法 38
附录11、多级最小二乘法 39
附录12、Yule-Walker辨识算法 42
2021-08-24 11:10:38
1.06MB
1
allan.m 计算时域信号的标准艾伦偏差 (ADEV)。 它专为频率数据的稳定性分析而设计，尽管该分析可以应用于其他类型的数据。 处理带有采样率或时间戳信息的分数频率或相位数据集。 注意：对于重叠和修改后的艾伦偏差分析，请参见文件 allan_modified.m（ID：#26637）和 allan_overlap.m（ID：#26441）。
2021-08-23 09:47:33
17KB
1