资源名称：MySQL Workbench数据建模与开发资源截图： 资源太大，传百度网盘了，链接在附件中，有需要的同学自取。

基于机器学习的电力变压器PHM传感器数据建模方法

贝叶斯线性回归 通过（正常）线性回归和贝叶斯线性回归对数据建模的示例程序。 并显示图表以比较这两者。 环境 Python 2.7.6 麻木 Matplotlib 跑步 $ python bayesian_lr.py 图形 绿色：正态线性回归 蓝色：贝叶斯线性回归 逻辑 功能大致如下： 使用“高斯分布”作为基函数。 假设 s = 0.1，c_i = [0.0, 0.1, ..., 1.0]。 (1) 正态线性回归 这些“欧米茄”可以通过这个方程求解。 (2)贝叶斯线性回归 后验分布表示如下。 后验分布是高斯分布，所以最可能的值是： 因此，可以通过计算 Mu_N 来找出函数。 这一次，我假设 alpha = 0.1，beta = 9.0。 Phi 是如下矩阵。 麻木 numpy.linalg.solve ：求解线性矩阵方程。 参考 numpy.dot ：标量积，内

城市建筑模型地理数据 青岛市建筑数据

Pyhton openCV 视频抽帧脚本 （路径、时间间隔自定义）

Big Date Overview 数据，是比文字出现更早的工具，它帮助人类不断拓展对客观世界的认知，是社会生活中不可缺少的关键要素。身处大数据时代的我们，更加受到数据及其分析模型带来的影响，既有各种生活的便利，情景化的舒爽，也有隐私泄露的不快。为了更好地掌握数据，正确地分析数据，精准地描述规律，我们必须掌握一定的数据分析知识，而本书将是打开这扇门的一把钥匙。执教十年，经历了从数据挖掘到大数据的云卷云舒，一代代的技术更迭，不变的是对数据知识探索的执着初心。但是，咨询者众，待解惑者也不少，一一解答既无效率又没效果，因此在去年萌生了写本书的想法。与理论型书籍不同，本书的方法论是来自传统理论但充分考虑了实战环境而进行了适配性的修订。希望读者在阅读时要注意，因地制宜，*应变，重神不重形，切不可机械照搬。*章讲创新思维。这是因为数据分析的起点就是头脑，是思考，想做好数据分析，打开头脑是*重要的，没有之一。第二章至第八章讲数据分析。从数据本身开始，评述了统计分析、数据挖掘和大数据等分析技术，还介绍了由浅入深的三种主要工具软件的使用技巧，非常适合有一定操作经验但亟须进阶的操作者。第九章至第十六章则聚焦经营分析。经营分析是企业经营*重要的分析工具组合，可能融合了非常复杂的分析技术。

一.需求建模,模拟银行ATM机用户取款实例.1.新建项目选择模型视图类别2.将model更改成ATM(项目名称).3.将Requirements更改成'需求建模',AnalysisView更改成'领域模型',UseCaseView更改成'用例模型',将LogicalView更改成'逻辑模型'.4.在需求建模，分别建立包,卡处理,用户登录,取款,用户界面,查询余额,其次,Addapackage--->Creatediagram--->extended--->Requirements(增加示例图)5.从ActiveDiagrams中找到'卡处理'的用例图,增加相关元素,从而绘制第一个子需求模块.6

【原创】R语言使用二元回归将序数数据建模为多元GLM数据分析报告论文（代码数据）.docx

Big Date Overview数据，是比文字出现更早的工具，它帮助人类不断拓展对客观世界的认知，是社会生活中不可缺少的关键要素。身处大数据时代的我们，更加受到数据及其分析模型带来的影响，既有各种生活的便利，情景化的舒爽，也有隐私泄露的不快。为了更好地掌握数据，正确地分析数据，精准地描述规律，我们必须掌握一定的数据分析知识，而本书将是打开这扇门的一把钥匙。执教十年，经历了从数据挖掘到大数据的云卷云舒，一代代的技术更迭，不变的是对数据知识探索的执着初心。但是，咨询者众，待解惑者也不少，一一解答既无效率又没效果，因此在去年萌生了写本书的想法。与理论型书籍不同，本书的方法论是来自传统理论但充分考虑了实战环境而进行了适配性的修订。希望读者在阅读时要注意，因地制宜，*应变，重神不重形，切不可机械照搬。*章讲创新思维。这是因为数据分析的起点就是头脑，是思考，想做好数据分析，打开头脑是*重要的，没有之一。第二章至第八章讲数据分析。从数据本身开始，评述了统计分析、数据挖掘和大数据等分析技术，还介绍了由浅入深的三种主要工具软件的使用技巧，非常适合有一定操作经验但亟须进阶的操作者。第九章至第十六章则聚焦经营分析。经营分析是企业经营*重要的分析工具组合，可能融合了非常复杂的分析技术。

数据描绘用户兴趣—欧时力.pdf