本文档为数据集，1990~2015股票最高单变量数据集。stock_dataset(1990~2015股票最高单变量数据集).rar

基于 Pandit 和 Wu (1983) 的单变量时间序列建模和分解 GUI

em算法matlab代码GMM_IC_DP “通过动态编程分区为单变量高斯，多成分，异方差混合模型初始化EM算法” 作者：Andrzej Polanski，Michal Marczyk，Monika Pietrowska，Piotr Widlak，Joanna Polanska 补充材料：Matlab脚本和函数，用于比较第6.2节中描述为第4组的数据的分区算法EQ，H-clu-c，H-clu-a，DP-Q4。 通过启动Matlab脚本partitions_em_demo开始计算 进行了一次随机模拟实验（包括6.2节中列出的三个步骤1-3）。 计算结果通过分区图（图1）和数据直方图对估计的概率密度函数的关系图（图2）显示。 还报告了误差和可能性的值。 通过修改Matlab代码，还可以实现其他计算方案（用于模拟数据）。 文件列表：partitions_em_demo：用于对算法进行演示比较的脚本文件，用于比较EM算法的初始化方法g_mix_gen：函数，生成混合样本h_clu_a：函数，通过平均链接层次聚类划分样本h_clu_c：函数，通过完全链接层次聚类进行样本划分dyn_pr_spli

时间序列分析：单变量和多变量方法 第2版

介绍了单变量和多变量的时间序列分析的建模、定阶方法。多变量时间序列也称向量时间序列。

本资源包括MIT 18.01单变量微积分课程完整讲义，习题和答案，讲义我按照课程已经细分，习题可以一套套刷。

Matlab程序，有关于单变量与双变量遗传算法的实现。程序里包含不同子函数(编码，变异，交叉，复制，解码)

包含一个基于MATLAB语言编写的单变量动态矩阵控制（DMC）算法的程序和对应的笔记（包含详细的公式和推导过程）。参考的资料是席裕庚的《预测控制》，算法中考虑了模型的不确定性和扰动，但暂时未考虑约束。

import numpy as np import matplotlib.pyplot as plt # 算法应用，单变量线性回归&梯度下降：已知如下数据集，绘制出数据集的散点图并给出能够和所有散点拟合出最好的一条直线 # 预测函数 def getHypo(X, theta): return np.dot(X, theta) # 代价函数 def getCost(h, y): m = len(h) return (1.0 / 2*m) * np.sum(np.square(h - y)) # 梯度下降 def getGraDesc(X, y, aplha = 0.001

JetRail高铁的乘客数量：https://gitee.com/myles2019/dataset/raw/master/jetrail/jetrail_train.csv