CRC Generalized Additive Models An Introduction with R 2nd Edition，统计学经典教程，值得推荐的。

YEDIDIA 教授关于BP算法是的课件。主要对BP算法进行了简介。

基于Kuwahara滤镜的改进算法Generalized Kuwahara算法的Python版本代码

GPA是一种统计分析方法，可用于比较物体的形状。 这段代码使用 GPA 进行面部对齐：由 Pulak Purkait 开发。 算法的详细信息可以在https://graphics.stanford.edu/courses/cs164-09-spring/Handouts/paper_shape_spaces_imm403.pdf 中找到 如有任何疑问，请联系：电子邮件 - pulak.isi@gmail.com

用于广义近似消息传递 (GAMP) 的 MATLAB 代码。 GAMP 是循环置信传播的高斯近似，用于压缩感知中的估计问题和其他具有线性混合的非高斯问题。

套材下料代码matlab 广义多层薄膜结构反射率求解器 分享的介绍和动机 这是从斯坦福 EE 236A 现代光学项目修改而来的项目。 由于多层光学薄膜已广泛用于光学技术 [1]，因此光学行业供应商通常会开发他们的内部求解器。 除了通过使用阻抗方法[4]构建一个 Matlab 求解器来计算多层薄膜在一定光谱和入射角范围内的 s/p 偏振入射光的反射率/发射率之外，该项目旨在提供以下为以下研究人员提供的功能： 用户友好的数据预处理：自动将来自refreactiveinfo网站[3]或具有相似数据格式（例如重复波长，不同行或列的实部和虚部折射率）的来源下载的凌乱csv文件转换为紧凑的两列波长复数折射率格式； 合并各种范围的频谱和网格大小； 删除 NA、空白数据点和重复点。 灵活性：平滑地内插/外推到指定的波长网格大小和范围 可扩展性：假设有足够的计算能力，代码可以处理任意材料、层数和厚度 可移植性：代码可以方便地修改并重新分发到其他编程语言和平台中，因为大多数工作都在二维矩阵计算中执行和呈现 方法论与理论 用法 将你需要的资料从[3]或其他来源以cvs格式下载到m.file同目录下。 然后，

破产机器学习 破产数据研究的目的是为给定数据确定预测破产的最佳分类方法。 破产数据是从COMPUSTAT收集的1980年至2000年的数据，其中有5436个观察值和13个变量。 9个基于会计的变量和1个市场变量是：R1：WC / TA，营运资金/总资产R2：RE / TA，未分配利润/总资产R3：EBIT / TA，息税前利润/总资产R4：ME / TL，权益/总负债的市场价值R5：S / TA，销售/总资产R6：TL / TA，总负债/总资产R7：CA / CL，流动资产/流动负债R8：NI / TA，净收入/总资产R9：破产成本，对数（销售）R10：市值，对数（绝对（价格）*流通股数/ 1000） 对于本研究，由于没有明显的破产趋势，因此可以假定可以将多年来的数据汇总在一起并进行研究。 在这13个变量中，其中一个是“ DLRSN”-一种表示默认值的分类变量，即预测的因变量。 总体而

附件是英文版的。 这是 Bjarne Stroustrup 的一篇论文。要小心，因为这非常困难。

Generalized Additive Models An Introduction with R 2nd Edition 深度学习 机器学习

Applied Regression Analysis and Generalized Linear Models,3rd Applied Regression Analysis and Generalized Linear Models,3rd