rrcf :evergreen_tree: :evergreen_tree: :evergreen_tree: 用于异常检测的鲁棒随机砍伐森林算法的实现 。 S.Guha，N.Mishra，G.Roy和O.Schrijvers，基于流的鲁棒随机采伐森林异常检测，在2016年第33届国际机器学习国际会议论文集（纽约，纽约，第2712-2721页） ）。 关于 鲁棒随机砍伐森林（RRCF）算法是一种用于检测流数据中异常值的集成方法。 RRCF提供了许多竞争性异常检测算法所缺乏的许多功能。 具体而言，RRCF： 设计用于处理流数据。 在高维数据上表现良好。 减少不相关尺寸的影响。 优雅地处理可能会掩盖异常值的重复项和几乎重复项。 具有异常评分算法，具有清晰的基本统计含义。 该存储库提供了RRCF算法及其核心数据结构的开源实现，目的是促进实验并实现RRCF算法的未来扩展。 文献资料 在阅读文档 。 安装 使用pip通过pypi安装rrcf ： $ pip i

经典概率论教材，英文第三版，没有书签。 适合想深度学习概率论的同学。

Breast-Cancer-Scikitlearn：使用Scikitlearn进行机器学习的简单教程

matlab发布excel数据代码功能随机森林（FRF）手册 在E. Feczko博士的论文中介绍了功能随机森林。 等。 本手册记录了如何使用Eric Feczko编写的RFAnalysis软件包。 该手册分为两个主要部分。 第一部分介绍如何使用随机森林子组检测（RFSD）工具分析横截面数据。 第二部分介绍如何使用函数随机森林（FRF）工具分析纵向轨迹。 简短的介绍将引导用户安装软件。 安装 获取包装 FRF代码可以在github上找到。 该存储库旨在作为稳定版本公开发布。 对于开发版本，请联系Eric Feczko（）或Fair Lab。 仓库本身可以通过使用git安装在任何位置： https://github.com/DCAN-Labs/functional-random-forest.git /destination/path/for/FRF 依存关系 FRF有两种版本，源版本和编译版本。 源FRF有两个外部依赖项： MATLAB 2016版或更高版本 MATLAB机器学习和统计工具箱 MATLAB Parallell Computing工具箱[可选] 编译的FRF具有一个外部依

卡尔曼滤波经典书籍，Introduction To Random Signals And Applied Kalman Filtering，英文原版第3版

The salient features of this book are . Functional and statistical independence of random variables are explained. . Ready reference to commonly occurring density and distribution functions and their means and variances is provided. . A section on Benford’s logarithmic law, which is used in detecting tax fraud, is included. . More than 300 examples, many of them solved in different ways to illustrate the theory and various applications of probability, are presented. . Most examples have been substantiated with graphs drawn to scale.

用R 实现随机森林的分类与回归 Applications of Random Forest using R Classification and Regression

Python random 生成随机数的几个常用 函数

本文当为经典的随机有限集文档，出自ronald mahler博士

Random files to upload for actiavtion.