AQ算法 AQ算法利用覆盖所有正例，排斥所有反例的思想来寻找规则。比较典型的有Michalski的AQ11方法，洪家荣改进的AQ15方法以及洪家荣的AE5方法。 AQR是一个基于最基本AQ算法的归纳算法,采用了基本AQ算法，和其它方法比较而言，AQR更加简单一些。

利用sklearn生成样本数据，使用knn算法进行分类，实现可视化，使用python算法

用于生成测试多分类算法的数据集。自动生成500组数据，数据分为5种类型。适用于adaboost算法，svm算法，BP算法。

这个貌似跟我之前上传过的资源《自己做的手写数字样本及knn分类代码》有些重复，两个资源是一样的，都可以下载。 我上传了很多关于knn的东西，这个是使用的自己的手写图片，根据knn的算法原理实现的，没有使用skleran库，自己的手写图片也在里边了。

传统的分类方法都是建立在类分布大致平衡这一假设基础上的,然而实际情况中,数据往往都是不均衡的。因此,传统分类器分类性能通常比较有限。从数据层面和算法层面对国内外分类算法做了详细而系统的概述。并通过仿真实验,比较了多种不平衡分类算法在6个不同数据集上的分类性能,发现改进的分类算法在整体性能上得到不同程度的提高,最后列出了不均衡数据分类发展还需解决的一些问题。

因为大于一个G，所以分为上下两卷了，基本涵盖数模竞赛要用到的算法

这个是按照算法分类的数模优秀论文集的下半部分，因为大于一个G分成了两部分

贝叶斯网络学习算法――k2算法，对于学习数据挖掘的人有用的，涉及到了分类预测算法

​ 阵列信号处理作为信号处理的一个重要分支，在通信、雷达、声纳、地震勘探和射电天文等领域内获得了广泛应用和迅速发展。阵列信号处理将一组传感器按一定方式布置在空间不同位置上，形成传感器阵列。用传感器阵列来接收空间信号，相当于对空间分布的场信号采样，得到信号源的空间离散观测数据。其目的主要是对阵列接收到的信号进行处理，增强所需要的有用信号，抑制无用的干扰和噪声，并提取有用的信号特征以及信号所包含的信息。 --------------------- 作者：Wilder_ting 来源：CSDN 原文：https://blog.csdn.net/Wilder_ting/article/details/78960631 版权声明：本文为博主原创文章，转载请附上博文链接！

创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学习 从一个文件里加载数据 从完整的数据中进行最大似然参数估计 先验参数 从完整的数据中（连续）更新贝叶斯参数 数据缺失情况下的最大似然参数估计（EM 算法） 参数类型 结构学习 穷举搜索 K2 算法 爬山算法 MCMC 主动学习 结构上的 EM 算法 肉眼观察学习好的图形结构 基于约束的方法 推断函数 联合树 消元法 全局推断方法 快速打分 置信传播 采样（蒙特卡洛法） 推断函数摘要 影响图 / 制定决策 DBNs、HMMs、Kalman 滤波器等等