一维数据进行小波降噪，经验模态分解EMD结合小波降噪！两种降噪效果进行对比。
2022-04-27 20:07:03
32.55MB
这个是用来做多元线性分析的财政收入数据，一共有50组，影响因素选择了工业生产总值、GDP、社会商品零售总额等9个，因此数据为50*10（其中一维为财政收入），可以用来给同学们来作为多元线性回归分析的例子。
2022-04-16 11:49:04
2MB
1
关于该资源的详细描述，可参考本人博客文章：https://blog.csdn.net/qq_36584460/article/details/123935810?spm=1001.2014.3001.5502
2022-04-06 02:38:52
28KB
pyHSICLasso
pyHSICLasso是希尔伯特·施密特（Hilbert Schmidt）独立标准套索（HSIC Lasso）的软件包，这是一种考虑了非线性输入和输出关系的黑匣子（非线性）特征选择方法。 HSIC Lasso可以看作是广泛使用的最小冗余最大相关性（mRMR）特征选择算法的凸变体。
HSIC套索的优势
可以有效地找到与非线性相关的特征。
可以找到非冗余功能。
可以获得全局最优的解决方案。
可以通过内核处理回归和分类问题。
功能选择
监督性特征选择的目标是找到负责预测输出值的输入特征子集。 通过使用它，您可以补充非线性输入和输出的依赖性，并且可以有效地计算高维问题的最优解。 通过针对数以千计的特征进行分类和回归的特征选择实验证明了其有效性。 在许多实际应用中，例如从微阵列数据中选择基因，文档分类和假体控制，在高维监督学习中寻找功能的子集是一个重要的问题。
安装
2022-03-30 21:39:11
3.07MB
1