数据挖掘与神经网络 1 1 本讲目录 2 2 人工智能（AI）研究范畴 2 3 神经网络理论 2 3.1 问自己几个问题？ 2 3.1.1 什么时候用神经网络？ 2 3.1.2 神经网络分类分类还是回归？ 2 3.1.3 权值变化如何？ 3 3.1.4 有监督还是无监督？ 3 3.1.5 Online还是Offline？ 3 3.1.6 PC or Other？ 3 3.2 常见神经网络 3 3.3 神经元 3 4 MATLAB神经网络 3 4.1 Neural Network Toolbox 3 4.1.1 Graphical user interface functions. 3 4.1.2 Network creation functions. 4 4.1.3 Using networks. 4 4.1.4 Simulink support. 5 4.1.5 Training functions. 5 4.1.6 Plotting functions. 6 4.1.7 Lists of other neural network implementation functions. 6 4.2 nnweight 7 4.3 nnstart 7 4.4 Body Fat 7 4.5 Cancer 15

经典的数据挖掘教程，PDF版，内容清晰，值得看下

共850条数据

共1000条数据

数据资产化是数据要素市场发展的关键与核心。目前，数据要 素市场正在形成包含数据交易主体、数据交易手段、数据交易中介、 数据交易监管的“四位一体”发展格局，但仍面临数据确权、数据 定价等难点。报告从经济学视角出发，提出数据确权及定价的可操 作模型，在数据确权的“三分原则”基础上建立了数据确权路径图， 基于数据要素特征基础上，建立了从不完全市场到成熟市场数据定 价模型

本文主要整理了大数据的一些基础的知识，对大数据挖掘方面的认识，以及未来大数据发展方向和数据挖掘发展方向的一些预测

本资源为爬取淘宝的粽子相关数据，本次采用的方法是：Selenium控制Chrome浏览器自动化操作。其实我们还可以利用Ajax接口来构造链接，但是非常繁琐（包含加密秘钥等），直接使用Selenium来模拟浏览器会省去很多事情。

实验报告见我的博客。 本压缩包内含python代码，建模的数据，预测的数据，字段解释。 本次设计要求实现信贷用户逾期预测功能。具体要求如下：利用所学数据挖掘算法对给定数据进行训练得出信用评估模型，依据模型对1000个贷款申请人是否逾期做出预测（0-未逾期 1-逾期）。

数据挖掘项目 I 电力窃漏电用户自动识别 missing_data和model配套数据 期待与你相互学习

PCA降维算法总结以及matlab实现PCA(个人的一点理解) - New begin, new .pdf 在进行图像的特征提取的过程中，提取的特征维数太多经常会导致特征匹配时过于复杂，消耗系统资源，不得不采用特征降维的方法。所谓特征降维，即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法：特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征；而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是PCA。下面着重介绍PCA。