原创 斯坦福大學-Logistic迴歸_Exercise Code

Logistic迴歸和牛頓法  Logistic Regression and Newton's Method http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?c

原创 斯坦福大學-迴歸規則化處理_Exercise Code

Regularization 規則化(過擬合處理方法:一是減少特徵,二是規則化) http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLe

原创 五個未來最喫香的IT技能

在2020年,專業技術知識將不再是IT部門的唯一領域了。整個公司/組織的員工應當要理解如何把IT技術運用到他們的工作之中。但未來學家和IT專家說,最喫香的IT相關技術包括:挖掘海量數據、保護系統免遭安全威脅、管理新系統下日益複雜的風險以及

原创 數據挖掘編程指南_ch1

A Programmer's Guide to Data Mining_ch1 如果你每天堅持這種簡單的練習,你將獲得一些神奇的力量。在你還沒有得到它之前,它顯得非常神奇,但是你一旦得到它之後,就變得沒什麼奇妙了。 Shunryu Su

原创 信息系統項目管理師總結2

4.成本管理 4.1成本估算 I:1、環境和組織因素2、組織過程資產3、項目範圍說明書4、工作分解結構5、工作分解結構詞彙表6、項目管理計劃*進度管理計劃*人員配備管理計劃*風險登記冊 T:1、類比估算2、確定資源費率3、自下而上

原创 聚類分析_matlab

Matlab最簡單的聚類方法:kmeans聚類,使用方法: kmeans(X,k)。 Matlab提供了兩種方法進行聚類分析: 1.一次聚類 這是利用 clusterdata函數對樣本數據進行一次聚類,其缺點爲可供用戶選擇的面較窄,不能更

原创 數據挖掘與R語言

1.數據挖掘的方法有哪些? 分類方法有K近鄰、Logistic迴歸、樸素貝葉斯和貝葉斯網絡、決策樹(ID3/C4.5/CART/RF)、Boosting、人工神經網絡、支持向量機、組合分類器等。 聚類方法有K均值、K中心點、層次聚類BI

原创 斯坦福大學-多元線性迴歸_Exercise Code

Multivariate Linear Regression 多元線性迴歸 http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLearn

原创 信息系統項目管理師總結1

1.整體管理 1.1  制定項目章程 I:1、合同(如果適用)2、項目工作說明書3、環境和組織因素4、組織過程資產 T:1、項目選擇方法    2、項目管理方法論3、項目管理信息系統4、專家判斷 O:1、項目章程         1.2 

原创 R語言和深度學習

    +  深度學習(Deep Learning)是機器學習(MachineLearning)研究中的一個很新很熱門的領域,是人工智能(Artificial Intelligence)的新浪潮。自2006年來,加拿大的多倫多大學(Uni

原创 R是什麼

R,不僅僅是一種語言本文原載於《程序員》雜誌2010年第8期,因篇幅所限,有所刪減,這裏刊登的是全文,希望對大家有幫助。 R是什麼 工欲善其事,必先利其器,作爲一個戰鬥在IT界第一線的工程師,C/C++、java、perl、py

原创 大數據與雲計算有什麼關係

從目標上看,大數據主要解決數據存儲和分析問題,尤其是強調後者;雲計算致力於將計算能力作爲服務提供,這種能力體現在基礎設施層是主機和存儲服務提供,體現在平臺層是開發環境託管,體現在應用層是各種雲化的應用。 從服務模式看,大數據可以採用雲化的

原创 聚類分析_R語言

 聚類分析(cluster analysis)是把研究對象(樣本或變量)分組成爲由類似的對象組成多個類的一種統計方法。聚類結果一般在4-6類,不易太多,或太少。聚類分析目的在於將相似的事物歸類,同一類中的個體有較大的相似性,不同類的個

原创 斯坦福大學-線性迴歸_Exercise Code

1.  線性迴歸   Linear Regression   http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=ex

原创 斯坦福大學-樸素貝葉斯_Exercise Code

Naive Bayes 樸素貝葉斯 http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=MachineLearning&doc=exercises/ex