a=read.csv("D:/回归分析/案例数据/第1章.csv",header=T)
names(a)=c("Y","X1","X2","X3")
a[c(1:5),]
N=sapply(a,length)
MU=sapply(a,mean)
SD=sapply(a,sd)
MIN=sapply(a,min)
MED=sapply(a,median)
MAX=sapply(a,max)
result=cbind(N,MU,SD,MIN,MED,MAX)
2022-05-14 21:30:50
8KB
1
关键技术：
logistics回归、K-means聚类、信效度检验、PCA降维、深度学习、神经网络、大数据、数据分析和可视化
本人负责深度学习算法和神经网络构建，以及数据分析和可视化模块。
2022-05-14 21:05:46
2.38MB
1
《利用python进行数据分析》全书的学习笔记和自己寻找数据集做的练习代码，
书中需要用到的数据集和示例代码都包含在其中，在学习的过程中可以直接调用并参考。
2022-05-14 10:38:48
15.91MB
山量数据ai选股系统，和通达信软件关联，点击股票代码，股票名，行业等在通达信查看。系统包括ai主力行为分析等技术面选股和财务面选股，所以可以排除垃级股。非常牛x。
2022-05-14 09:51:39
48.15MB
1
摘 要
该系统运用数据挖掘中可视化技术，寻找一种对于电梯运动过程中的速度进行检测的数据模型，对于外部环境带来的系统误差进行消除，以达到自适应检测速度以及数据的准确性之目的；最后将该数据运用于实际工业生产中，实现降本增效目的。该系统中采集数据端为三轴陀螺仪+U型光电的传感器进行数据的采集后，利用终端处理器进行数据的拟合、处理、上传，最后在云端进行数据的汇总以及其他的应用。在系统分析与实现篇中将以逐步推进的方式，进行展示如何通过数据分析、挖掘有效数据的形式最终推导出数据模型；最后将该数据模型运用在运行环境中、进行实地检测、长期数据观察，通过该方法检测数据模型的有效性。本实验系统中实现了如何利用数据挖掘技术得到有效数据模型，来实现精确的数据采集。自2020年以来该系统在采集数据端运行正常，稳定上传了大量有价值的数据，为客户端降本增效做出了重要的贡献，虽然中途不断的进行实地数据矫正检测，耗费大量人力物力，但最终实现了一个令客户满意的效果。
关键词：数据挖掘，可视化，自适应，数据模型
2022-05-13 19:07:40
320KB
1