[算法与数据结构] 时间序列分析

说明：python时间序列分析2018/12/7 python时序数据分析-以示例说玥-geek精神-博客园 1.均值 X staticnary series Non-stationary serles Ⅹ是时序数捱的值,t是时间。可以看到左图,数据的均值对于时间轴来说是常量,即数据的均值 不是时间的函数所有它是稳定的;右图随着时间的推移,数捱的值整体趋势是增加的,所有均 值是时间的函数,数据具有趋势,所以是非稳定的 2.方差 X tationary series Non-Stationary ser
<vanghoh> 上传 | 大小：2mb

[算法与数据结构] Excel-VBA教程完全版.pdf

说明：Excel-VBA教程完全版.pdf15使用键盘快捷键运行宏 27 16通过菜单运行宏 28 17通过L具栏按钮运行宏 18通过工作表里面的按钮运行宏 19保存宏 20打印宏 21保存宏在个人宏工作簿 32 2打开含有宏的工作簿… 34 23V编辑窗 35 24了解程浏览窗口 35 25了解属性窗口 36 26了解代码窗口….. 36 27V编辑器里的其它窗口… 28接下来… 39 第二章VBA第一步 39 1了解指令,模块和过程 ………………,……39 2VBA⊥程命名 19 3模块重命名 4
<yanglingo0> 上传 | 大小：9mb

[算法与数据结构] svm的matlab代码

说明：svm的matlab代码 svr = fitrsvm(x,y,'Standardize',true,'epsilon',0.1,... 'kernelfunction','gaussian','KernelScale','auto');
<mrx_jiang> 上传 | 大小：500byte

[算法与数据结构] 中文情感词汇库-极值表

说明：目前，情感倾向分析的方法主要分为两类：一种是基于情感词典的方法；一种是基于机器学习的方法，如基于大规模语料库的机器学习。前者需要用到标注好的情感词典，英文的词典有很多，中文主要有知网整理的情感词典Hownet和台湾大学整理发布的NTUSD两个情感词典，还有哈工大信息检索研究室开源的《同义词词林》可以用于情感词典的扩充。基于机器学习的方法则需要大量的人工标注的语料作为训练集，通过提取文本特征，构建分类器来实现情感的分类。 文本情感分析的分析粒度可以是词语、句子也可以是段落或篇章。段落
<fengbenming> 上传 | 大小：152kb

[算法与数据结构] unstructureed medical image query using big data - An epilepsy case study

说明：本文是最新关于医学图像处理与大数据结合的论文，文章对于入门级学生较难，但可以参考。
<weixin_39086917> 上传 | 大小：1mb

[算法与数据结构] 数据仓库的模型设计

说明：数据仓库的模型设计 A. 数据建模方法论 数据仓库模型设计遵循“自顶向下、逐步求精”的设计原则。 模型设计分为三个阶段： 1，概念模型 对业务的范围和使用，从高度上进行抽象概括，也就是划分主题域。 一般划分为8个主题域： 客户、服务、服务使用、账务、结算、资源、客服、营销
<qq_43610149> 上传 | 大小：438kb

[算法与数据结构] 模糊聚类python可执行完整代码

说明：该资源包括两部分代码，都是python实现，使用两种方式实现了模糊聚类，使用的数据集也在压缩包内，配置好环境可直接运行。
<qq_28266311> 上传 | 大小：6kb

[算法与数据结构] 遗传算法的介绍及应用

说明：该文档包含对遗传算法进行介绍及应用的论文，同时以MATLAB为基础介绍了工具箱的设计及应用。
<qq_38343574> 上传 | 大小：1mb

[算法与数据结构] 常用大数据量、海量数据处理方法__算法总结

说明：大数据量的问题是很多面试笔试中经常出现的问题，比如百度，谷歌，腾讯这样的一些涉及到海量数据的公司经常会问到。 本文的一些问题基本直接来源于公司的面试笔试题目。包括Bloom filter，Hashing，bit-map，双层桶划分，倒排索引等。
<bnpower> 上传 | 大小：82kb

[算法与数据结构] 金融大数据的战略与实施

说明：随着互联网金融的迅速发展，金融大数据技术得到日益广泛的应用，这对我国的金融生态和金融格局都将产生深刻影响。这种新形势下，我国金融业如何因时而变，顺势而为？如何从战略和实施两个层面，推进金融大数据的应用，使之迅速转化为产业竞争力？这是摆在金融机构面前的一个重大而紧迫的课题。
<qq_42349551> 上传 | 大小：24kb

[算法与数据结构] 金融大数据平台项目规划

说明：银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的
<qq_42349551> 上传 | 大小：626kb

[算法与数据结构] 35套选择题目：大数据架构、高性能、数据治理题目.docx

说明：35套选择题目：大数据架构、高性能、数据治理题目.docx，复习基本知识点必备
<ftuos> 上传 | 大小：104kb