东北大学数据科学基础MATLAB学习PPT

预测信用评分 在这个数据科学项目中，我们将通过建立信用评分预测模型来预测借款人违约的机会。 使用的技巧 决策树分类器 随机森林分类器 逻辑回归 支持向量机 人工神经网络 在该项目使用的五种技术中，发现人工神经网络具有82％的最高精度。 数据集： Credit_Scoring.csv 多合一笔记本： Credit_Scoring.ipynb

玩转树莓派机器学习，Perf Machine Learning on Rasp Pi，by Gant Laborde。

山东大学数据科学导论复习资料PPT课件+2018年真题。山东大学数据科学导论复习资料PPT课件+2018年真题。

6AxisToLocationAlgorithmTest 这是我的6轴公式验证程序，模拟陀螺仪与加速度算出位移座标，本程序尚再成型。

美国宏观经济数据浏览器 在查看实时项目网站。 动机 人们越来越重视决策的各种经济指标（例如，就业，经济实力），然而，这些信息在没有历史背景的情况下，以肤浅的标题从动机各不相同的原始标题中呈现出来。 这是什么 可审核的，图形化的，基于公共可用数据的，自动更新的公共消费源。 资料来源： 零售销售 就业[部门增长] 住宅房地产[价格指数，清单，销售] 制造业[新订单] 货运[货运价格指数，铁路货运，海港TEU] 施工[新支出] 国际贸易[贸易逆差，进口，出口] 消费信贷[历史汇率] 美国股市[经通胀调整后的标准普尔500指数收益分布，本福德检验（WIP）] 美国国库券（收益率曲线，投标要覆盖的比率，利率） 消费者/企业情绪[经合组织信心指数] 商业信贷[发行，违约率] 中央银行业务[回购市场，量化宽松] ... 学分 ipynb网站，该工作的基础框架是由以下人员开发的： 彼得·卡波奈托（Pete

半监督的svm 数据科学分配解决方案。 使用支持向量机作为基础分类器的半监督分类器的实现。 该数据集是在代码中随机生成的。 依存关系： 麻木 斯克莱恩 分类问题 给定数据： 大量未标记的数据 少量标注数据 能够正确标记未标记数据集中任何样本的人类专家，其费用与新标记样本的数量成正比 目标： 降低成本 提高分类器的准确性 解决方案 该解决方案将具有最高置信度的预测标签添加到标签数据集中。 置信度最低的标签表明分类器需要人工专家的帮助。 这些真实的标签将添加到数据集中，并且成本会增加。 人类专家的提示数量不能超过标记样本的初始数量-标记数据的数量只能加倍。 如果准确性为100％，成本达到先前说明的限制或没有将任何样本添加到标记的数据集中，则算法终止。 例子 设置： 数据集：10000个样本，3个类，每个类2个类，3个信息性特征。 最大限度。 迭代次数：100 数据集中未标记数据的

ds_practical 西门子的数据科学实用项目，用于检测小时间序列数据中的概念漂移

Python进行数据科学与AI 检验GDP及其变化如何影响失业率

精算数据科学 这是在发布的《精算数据科学指南》的代码库。 以下是带有可用数据和代码的教程： 1-法国汽车第三方责任索赔 文章： ： 2-来自神经网络内部的暗示 文章： ： 3-将经典精算模型嵌套到神经网络中 文章： ： 4-关于提升：理论与应用 文章： ： 5-无监督学习：什么是跑车 文章： ： //papers.ssrn.com/sol3/papers.cfm？abstract_id = 3439358 6-Lee和Carter进行了机器学习：递归神经网络 文章： https ： //papers.ssrn.com/sol3/papers.cfm？abstract_id = 3441030 7-自然语言处理的艺术 文章： https ： //papers.ssrn.com/sol3/papers.cfm？abstract_id = 3547887 8-偷窥黑匣子