本资源是《大数据数学基础》（R语言描述）配套资源，【完整版】包含源数据和代码。 本书全面地讲解了在科学领域广泛运用的数据微积分、统计学、线性代数、数值计算、应用多元统计分析等数学基础知识。全书共6章：第1章介绍了大数据与数学、数学与R的关系；第2章介绍了微积分的基础，包括极限、导数、微分、不定积分与定积分及其应用；第3章介绍了线性代数的基础，包括行列式、矩阵的运算、特征分解、奇异值分解；第4章介绍了统计学的基础，包括数据分布特征、概率论、随机变量的数字特征、参数估计、假设检验；第5章介绍了数值

通过使用lssvm对葡萄酒数据集进行分类然后使用lssvm工具箱，哈哈。1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；   2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；

两个判别分析的代码及主成分分析的代码，使用SAS进行分析，不一定通用，但可以作为参考，如大家能找出问题，并指正，不胜感激。