卡卡_R-Python-CSDN博客

定义：XGBoost是一个在梯度提升（Gradient Boosting）框架下实现的机器学习算法库，是GBDT（Gradient Boosting Decision Tree）的一种高效实现。开发：由Tianqi Chen等人在2014年开发，旨在提升梯度提升决策树的计算效率和预测性能。特点：XGBoost提供了并行树提升功能，能够快速准确地解决许多数据科学问题，并且支持在多种分布式环境（如Hadoop、SGE、MPI）上运行。

2024-07-20 10:15:58 1077

原创 XGBoost、RF随机森林算法MATLAB实现

fprintf('序号 %d: 时间区间起点 %s, 时间区间终点 %s\n', i, datetime(predictedTimes(i)), datetime(predictedTimes(i+1)));opts2 = detectImportOptions('问题一AE检测.xlsx', 'PreserveVariableNames', true);opts1 = detectImportOptions('附件一AE.xlsx', 'PreserveVariableNames', true);

2024-07-19 22:16:04 1429

原创 R语言模型评估网格搜索

【代码】R语言模型评估网格搜索。

2024-07-17 17:16:10 940

原创 r语言keras::tensorflow安装问题

【代码】r语言keras::tensorflow安装问题。

2024-07-17 17:07:26 154

原创 R语言进行K折交叉验证问题

【代码】R语言进行K折交叉验证问题。错误: C5.0 models require a factor outcome> (1-mean(E0));(1-mean(E1))

2024-07-17 17:03:23 438

原创 R语言实现对模型的参数优化与评价KS曲线、ROC曲线、深度学习模型训练、交叉验证、网格搜索

【代码】R语言实现对模型的参数优化与评价。

2024-07-17 16:51:11 1074

原创 R语言实现SVM算法——分类与回归

【代码】R语言实现SVM算法——分类与回归。

2024-07-17 02:22:29 588

原创 R语言包AMORE安装报错问题以及RStudio与Rtools环境配置

在使用R语言进行AMORE安装时会遇到报错，这时候需要采用解决办法——RStudio与Rtools环境配置

2024-07-17 02:19:20 944

原创 R语言实现神经网络ANN

【代码】R语言实现神经网络ANN。

2024-07-17 02:03:42 642

原创决策树（ID3,C4.5,C5.0,CART算法）以及条件推理决策树R语言实现

【代码】决策树（ID3,C4.5,C5.0,CART算法）以及条件推理决策树R语言实现。

2024-07-15 17:29:49 637

原创 R语言进行集成学习算法：随机森林

【代码】R语言进行集成学习算法：随机森林。

2024-07-15 17:27:10 471

原创 R语言中的逻辑回归：从入门到实践

接下来，我们将通过一个简单的例子来演示如何在R语言中使用逻辑回归。假设我们有一个数据集，其中包含一些预测变量（如年龄、性别、收入等）和一个二分类目标变量（例如，是否购买某商品）。在数据分析领域，逻辑回归是一种广泛使用的预测模型，尤其适用于处理二分类问题。在R语言中，我们可以利用多种包来实现逻辑回归，如。确保数据是数值型，并且将目标变量编码为二分类标签（通常是0和1）。接下来，我们可以使用测试集来评估模型的性能。这些包提供了丰富的功能，使我们能更方便地进行模型训练、评估和优化。首先，我们需要加载数据。

2024-07-14 19:47:29 46

原创 R语言进行逻辑回归—glmnet包

通过 glmnet 进行逻辑回归描述拟合二元结果的广义线性模型。一个预测变量的线性组合用于对事件。详细说明对于这个引擎，只有一种模式：分类调优参数penalty。

2024-07-14 19:34:42 89

原创 R语言进行回归分析：一元线性回归、多元线性回归、岭回归、LASSO回归、逻辑回归glm()

【代码】R语言进行回归分析：一元线性回归、多元线性回归、岭回归、LASSO回归、逻辑回归glm()

2024-07-14 19:19:36 403

原创 R语言进行聚类分析—时间序列的模糊聚类：k-means,pam,fcm,HC，DBSCAN,EM

【代码】R语言进行聚类分析—时间序列的模糊聚类：k-means,pam,fcm,DBSCAN,EM,HC。

2024-07-13 19:55:13 280

原创 R语言中交互式图表绘制

R语言中交互式图表绘制。

2024-07-13 11:58:27 357

原创 R语言中数据集的调用

【代码】R语言中数据集的调用。

2024-07-12 22:16:15 780

原创 R语言绘图实现—使用R语言绘制科研图形

【代码】R语言绘图实现—使用R语言绘制科研图形。

2024-07-12 22:14:48 1442

原创 R语言实现数据预处理

【代码】R语言实现数据预处理。

2024-07-12 20:34:48 497

原创 R语言读取和写入文件

【代码】R语言读取和写入文件。

2024-07-10 18:59:23 342

原创 R语言基础

【代码】R语言基础。

2024-07-09 14:32:33 320

原创 R语言入门

【代码】R语言入门。

2024-07-09 14:31:49 496

原创会计学基础

复习会计学过程中会遇到各种各样的难题，为此我整理了思维导图供大家学习交流，部分导图如下：

2024-07-05 20:40:22 528

转载 R语言进行因子分析

【代码】R语言进行因子分析。

2024-06-29 23:50:52 41

原创 R语言实现多元线性回归

【代码】R语言实现多元线性回归。

2024-06-29 22:59:08 202

原创 F分布分位数表Python实现

【代码】F分布分位数表Python实现。

2024-06-29 22:46:57 131

原创 t分布分位数Python实现

【代码】t分布分位数Python实现。

2024-06-29 22:44:59 401

原创 R语言正态分布分位数

【代码】R语言正态分布分位数。

2024-06-29 22:41:59 124

2024年MathorCup A题资源数据附件

2024年MathorCup数据资料，压缩包要密码，关注、点赞、评论获取。

2024-07-27

数据分析KMeans实现，K-means聚类对数据进行聚类处理

随机森林（Random Forest）是一种集成学习方法，它通过构建多个决策树并将它们的预测结果进行汇总来提高整体模型的预测精度和鲁棒性。随机森林由Leo Breiman和Adele Cutler在2001年提出，是决策树算法的一个扩展。

2024-07-21

随机森林源代码课件资料，随机森林是一种集成学习方法，它通过构建多个决策树并将它们的预测结果进行汇总

2024-07-21

Python sklearn包

2024-07-21

xgboost 代码&课件.rar

2024-07-20

XGBoost算法-Python实现

XGBoost（eXtreme Gradient Boosting）是一个优化的分布式梯度增强库，旨在实现高效、灵活和便携的机器学习算法。

2024-07-20

R语言包AMORE（）

2024-07-17

R语言中交互式图表绘制

2024-07-12

会计学基础复习资料库xmind

会计学是一门研究企业经济活动中的计算方法和记录方法的学科。它主要关注如何通过货币计量来记录、汇总和分析企业的经济活动，以便为企业管理者、投资者和债权人提供有用的信息。会计学的研究对象主要包括资产、负债、所有者权益、收入、费用和利润等方面。通过对这些方面的核算和记录，会计学可以帮助企业了解自身的财务状况和经营成果，并为企业制定经营决策提供依据。在会计学的研究中，主要包括财务会计和管理会计两个方向。财务会计主要关注企业外部信息需求者的需求，如投资者、债权人和监管部门等，提供财务报表等信息。管理会计则主要关注企业内部管理者的需求，提供成本核算、预算管理、绩效评估等方面的信息。总之，会计学是一门非常重要的学科，它可以帮助企业了解自身的财务状况和经营成果，为企业制定经营决策提供依据，同时也可以为企业外部信息需求者提供有用的信息。本文压缩文件密码私聊关注博主哦。

2024-07-05

pycharm-professional-2023.3.5.exe

pycharm官网

2024-06-24

导入机器学习boston数据集报错问题解决

2024-06-24

CDALEVELI考试大纲.pdf

CDA数据分析师，即Certified Data Analyst，是在数字经济大背景和人工智能时代趋势下，面向全行业的专业权威国际资格认证。该认证旨在提升全民数字技能，助力企业数字化转型，推动行业数字化发展。 CDA数据分析师的工作范围涵盖数据的采集、清洗、处理、分析，并能制作业务报告、提供决策支持，以及管理数据资产等。他们的工作涉及多个行业，如互联网、零售、金融、电信、医学和旅游等领域。成为一名合格的CDA数据分析师，需要具备数据分析技能、编程和数据处理能力、数据可视化能力，以及相关的领域知识和数据管理与质量控制能力。此外，他们还需要具备较强的数据分析能力和严密的逻辑思维，抗压能力，以及良好的沟通能力和工作主动性。在当前数字时代，随着数据量的快速增长，数据分析的需求也在爆发式增长。因此，CDA数据分析师的就业前景非常广阔，并且他们的工作往往被视为高薪职业，得到了广泛认可和高度评价。

2024-06-17

神经网络模型工具箱代码操作

神经网络是一种模拟人脑神经元的计算模型，用于对函数进行估计或近似。它由大量节点（或称神经元）组成，这些节点相互连接并通过非线性激活函数进行计算。神经网络通常用于解决分类、回归和特征学习等问题，通过训练来优化网络中的权重和偏置，以使得网络的输出与实际目标尽可能接近。神经网络有多种类型，包括前馈神经网络、循环神经网络和卷积神经网络等。其中，前馈神经网络是最基本的类型，信息只能从输入层流向输出层，中间没有反馈。循环神经网络则具有反馈连接，可以处理序列数据。卷积神经网络则特别适用于图像处理和计算机视觉任务。神经网络的训练通常使用反向传播算法，该算法可以计算梯度并使用梯度下降方法来更新网络中的权重和偏置。神经网络在深度学习领域得到了广泛应用，可以用于语音识别、图像识别、自然语言处理等任务。

2024-06-14

正态性检验R语言实现及其案例

正态性检验是统计判决中重要的一种特殊的拟合优度假设检验，其目的是利用观测数据判断总体是否服从正态分布。一、定义正态性检验是判断样本数据是否符合正态分布的一种统计方法。如果一组观测值来自正态总体，具有正态分布的特性，那么这组观测值就被认为具有正态性。二、检验方法正态概率纸法：一种图形法，通过绘制样本数据在正态概率纸上的散点图，观察散点图是否近似一条直线来判断数据的正态性。夏皮罗-威尔克检验法（Shapiro-Wilk test）：一种在小样本下非常有效的正态性检验方法，特别适用于样本量小于50的情况。其零假设是数据来自正态分布，当检验统计量小于临界值时，拒绝零假设，认为数据不服从正态分布。科尔莫戈罗夫-斯米尔诺夫检验法（Kolmogorov-Smirnov test）：也称为K-S检验，是一种非参数检验方法，适用于任何分布的样本数据。其零假设是数据来自某一特定分布（如正态分布），当检验统计量大于临界值时，拒绝零假设，认为数据不服从该分布。

2024-06-04

k-means聚类分析

2024-06-03

机器学习算法.ipynb

本文对机器学习算法进行了介绍，解决了机器学习中遇到的各种问题，包括：决策树、KNN、kmeans、dbscan、回归分析，等等，该文件对机器学习算法进行了深入介绍与了解。 1. 决策树（Decision Trees）决策树是一种监督学习算法，用于分类和回归。它通过一系列的问题（即决策节点）和答案（即叶节点）来模拟人类决策过程。每个内部节点表示一个特征上的测试，每个分支代表一个测试输出，而每个叶节点则包含一个类别标签（对于分类树）或值（对于回归树）。 2. K-最近邻（K-Nearest Neighbors, KNN） KNN是一种基于实例的学习，或者说是局部逼近和将所有计算推迟到分类之后进行的惰性学习。在分类时，输入实例的类别由它的K个最近邻的多数投票决定。对于回归问题，输出是其K个最近邻的平均值。 3. K-均值（K-means） K-means是一种无监督学习算法，用于聚类。它将n个观测值划分为k个聚类（k≤n），其中每个观测值都属于离其最近的均值（聚类中心或聚类质心）所代表的聚类。算法的目标是使聚类内平方和（每个点到其聚类中心的距离的平方）最小化。 4. DBSCAN（D

2024-06-03

TA关注的人

2024年MathorCup A题资源数据附件

数据分析KMeans实现，K-means聚类对数据进行聚类处理

随机森林源代码课件资料，随机森林是一种集成学习方法，它通过构建多个决策树并将它们的预测结果进行汇总

Python sklearn包

xgboost 代码&课件.rar

XGBoost算法-Python实现

R语言包AMORE（）

R语言中交互式图表绘制

会计学基础复习资料库xmind

pycharm-professional-2023.3.5.exe

导入机器学习boston数据集报错问题解决

CDALEVELI考试大纲.pdf

神经网络模型工具箱代码操作

正态性检验R语言实现及其案例

k-means聚类分析

机器学习算法.ipynb

iris数据集分类.ipynb

linnerud.csv数据

boston.csv数据集

diabetes.csv

breast-cancer.csv

行列式和线性方程组的求解.png

SKlearn数据集.zip

ImportError: cannot import name '_is_pandas_df' from 'sklearn.utils.validation'