本文基于银行行业背景及数据应用背景，提出一站式商业智能（BI）与数据分析平台与解决方案。整体解决方案通过对业务场景和物理场景的双重梳理，为企业管理服务实现赋能。

二次拟合MATLAB m文件代码二元线性Logistic回归 该存储库提供了一个示例MATLAB代码，以执行监督的机器学习算法：用于二进制分类的Logistic回归。 储存库的组织 主MATLAB文件名为“ BinaryLogisticRegressioLinear.m”，而其他MATLAB文件是主文件中使用的功能。 无论维数是多少，您都可以将算法与所需的任何数据集一起提供（但要考虑到训练集必须是二进制分类）。 但是，以三组输入数据为例来实现该算法。 根据数据集具有的变量数量，算法可能会绘制输入数据和决策边界。 此外，除了非正规学习参数外，还包括正规化方法，以解决过度拟合的问题。 这些代码是不言自明的，并包含注释以增进您对所发生情况的理解。 此外，无论需要什么干预，代码中的注释都会提示您这样做。 输入数据 文件dataLin.txt是一个两变量数据集，其中包含用于逻辑回归的数据，以便根据两次考试的结果来预测学生是否被录取入大学。 我们在第一列和第二列中包含两次考试的申请人分数数据，在第三列中包含录取决定。 使用此数据库，我们希望预测入读大学的机会。 文件dataLin3d.txt与da

基于大数据技术的BI分析系统在财务管理方面的应用.docx

网易有数 BI 体系的建设和实践.pdf

Attention-BiLSTM模型结构及所有核心代码： 1.model中实验的模型有BiLSTM、ATT-BiLSTM、CNN-BiLSTM模型； Attention与BiLSTM模型首先Attention机制增强上下文语义信息，并获取更深层次特征，最后通过Softmax进行回归，完成所属语音情感的预测。 2.系统为用Flask搭建网页框架的语音识别系统界面； 对于提到的语音情感识别方法平台为基于Windows操作系统的个人主机，深度学习框架采用的是tensorflow和Keras，其中TensorFlow作为Keras的后端。具体配置如下python3.6.5、tensorflow=1.12、Keras=2.2.4、flask==1.0.2 、librosa等。 具体界面效果可以参考博客内容。​​

Git使用指导_BI版本库

数据仓库和BI技术概况

BI_数据仓库基础

开源BI平台Openi的开发数据仓库系统

商业智能的发展也得益于相关技术的发展，并行处理系统、廉价数据存储、新数据挖掘算法、神经网络技术、人工智能技术、决策支持技术、从大量数据中发现其后潜藏的商业机会等等技术的发展，使企业能以更低的成本投资商业智能，并取得更高的IT 投资回报率。