PIE Engine机器学习遥感影像监督分类全流程（附源码）
本文中，作者基于PIE Engine遥感云计算平台进行遥感影像监督分类，详细介绍了遥感影像分类的数据预处理、模型训练及结果可视化。
spss分析方法-聚类分析
聚类分析是根据研究对象的特征，按照一定标准对研究对象进行分类的一种分析方法。下面我们主要从下面四个方面来解说： 一、实际应用 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用
Python大数据-电商产品评论情感数据分析
一、项目背景网上购物已经成为大众生活的重要组成部分。人们在电商平台上浏览商品并购物，产生了海量的用户行为数据，用户对商品的评论数据对商家具有重要的意义。利用好这些碎片化、非结构化的数据，将有利于企业在电商平台上的持续发展，同时，对这部分数据进行分析，依据评论数据来优化现有产品也是大数据在企业经营中的
ROC曲线绘制（Python）
我看谁还不会用Python画出ROC曲线！！！
毕业设计 基于大数据的共享单车数据分析与可视化
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩基于大数据的共享单车数据分析与可视化🥇学
机器学习强基计划5-4：图文详解影响流动与有向分离(D-分离)(附Python实现)
本文深入解析概率影响是如何在贝叶斯网络中流动传播的，并介绍获取贝叶斯网络中各个随机变量间独立性关系的有向分离(D-分离)算法，最后基于Python实现该算法
了解模型开发与部署，看这里！
上图展示一个模型的多版本信息，以及版本的创建时间、版本的说明信息。模型部署到模型仓库之后，会自动生成一个对外可用的API地址，外部系统可以通过该API地址调用模型，为了验证模型是否正常，或者对模型的推理进行调试，我们提供一个接口调试界面，在界面中，填写模型的入参，就可以进行测试。模型的A/B tes
数据挖掘-支持向量机(SVM)+代码实现
支持向量机算法分类和回归方法的中都支持线性性和非线性类型的数据类型。非线性类型通常是二维平面不可分，为了使数据可分，需要通过一个函数将原始数据映射到高维空间，从而使得数据在高维空间很容易可分，需要通过一个函数将原始数据映射到高维空间，从而使得数据在高维空间很容易区分，这样就达到数据分类或回归的目的，
业务增长遇到瓶颈？这些用大数据驱动业务增长的方法你一定要看看
随着大数据与云原生的快速发展融汇交互，各技术领域又将来临新一波迅雷之势的挑战和创变。利用云原生技术的简便快捷、动态调度、按需伸缩等优势，如何加速大数据基础软件和系统的迭代更新频率、确保整体环境的最终一致性，如何为数据库提供极致的性能、弹性和无限扩展能力，以及由此带来的运维模式转型该如何应对，以上种种
2022年 APMCM 亚太地区大学生数学建模竞赛——C题解决思路
2022年 APMCM 亚太地区大学生数学建模竞赛——C题解决思路，时间序列模型建立于预测。
机器学习强基计划7-2：图文详解K-均值聚类(K-means)算法(附Python实现)
聚类的基本思路是通过对无标记训练样本的学习来揭示数据内在的聚合性质与规律。本文介绍K均值聚类(K-means)的核心原理、算法流程，并附上Python实现与可视化加深理解
ARMA模型的性质之ARMA模型
一、ARMA模型的定义二、平稳条件与可逆条件三、传递形式与逆转形式四、ARMA(p,q)模型的统计性质1.均值2.自协方差函数3.自相关系数4.ARMA(p,q)模型自相关系数拖尾，偏自相关系数拖尾小结
支持向量机核技巧：10个常用的核函数总结
支持向量机是一种监督学习技术，主要用于分类，也可用于回归。它的关键概念是算法搜索最佳的可用于基于标记数据(训练数据)对新数据点进行分类的超平面。
数据挖掘（二）朴素贝叶斯
指的是统计意义上的独立，即一个特征或者单词出现的可能性与它和其他单词相邻没有关系，比如说，“我们”中的“我”和“们”出现的概率与这两个字相邻没有任何关系。我们可以观察文档中出现的词，并把每个词作为一个特征，而每个词的出现或者不出现作为该特征的值，这样得到的特征数目就会跟词汇表中的词的数目一样多。我们
多元时间序列特征工程的指南
使用Python根据汇总统计信息添加新特性，本文将告诉你如何计算几个时间序列中的滚动统计信息。将这些信息添加到解释变量中通常会获得更好的预测性能。
巴西队提前出线，预定大力神杯？数据分析告诉你，到底谁才是冠军
自从现代足球逐渐商业化之后，无数人开创了大数据分析模型来试图预测足球比赛的胜负，然而因为足球比赛的影响因素比吃饭喝水要复杂的多，球队阵容、球员能力、球员状态、球员心理、球队战术、球队磨合度、球队配合度等等，每一个因素的风吹草动，都会牵一发而动全身，影响最终的结果，预测的结果可能会与现实大相径庭。
R语言使用plot函数可视化数据散点图，自定义设置yaxt参数移除Y轴的刻度线
R语言使用plot函数可视化数据散点图，自定义设置yaxt参数移除Y轴的刻度线
数据挖掘-模型怎么解决业务需求（五）
从项目的需求发起,到数据准备，再到模型训练、评估、上线，这些环节都遇到了什么样的问题,我们解决了什么问题，又有哪些问题尚未解决,在时间等条件充裕的情况下还可以做哪些尝试。介绍了一些关于模型保存、模型优化、模型部署的思路。讲解了关于项目总结，乃至模型监控等内容。
数据挖掘-模型的评估（四）
模型的各种评估指标，从一个混淆矩阵出发，衍生出一系列的准确度评测对模型泛化能力进行评估介绍了如何在数据上进行一些优化从而减少评估时产生误差。
