SAS机器学习技术应用示例项目教程
1. 项目目录结构及介绍
enlighten-apply/
├── BayesianNetwork/
├── ML_tables/
├── SAS_EM_ML_examples/
├── SAS_EM_SGF2015_CCPDS/
├── SAS_GWU_examples/
├── SAS_Neural_PatternRecognition/
├── SAS_Py_Patches_PatternRecognition/
├── SAS_UE_Random_Projections/
├── SAS_UE_SGF2016_faces/
├── SAS_UE_TidyData/
├── SAS_Viya_AX2016_faces/
├── SVM/
├── gitattributes
└── ContributorAgreement
目录结构介绍
- BayesianNetwork/: 包含贝叶斯网络相关的代码和材料。
- ML_tables/: 包含机器学习表格相关的代码和材料。
- SAS_EM_ML_examples/: 包含SAS Enterprise Miner机器学习示例代码和材料。
- SAS_EM_SGF2015_CCPDS/: 包含2015年SAS全球论坛的代码和材料。
- SAS_GWU_examples/: 包含乔治华盛顿大学相关的代码和材料。
- SAS_Neural_PatternRecognition/: 包含神经网络模式识别相关的代码和材料。
- SAS_Py_Patches_PatternRecognition/: 包含Python补丁模式识别相关的代码和材料。
- SAS_UE_Random_Projections/: 包含随机投影相关的代码和材料。
- SAS_UE_SGF2016_faces/: 包含2016年SAS全球论坛人脸识别相关的代码和材料。
- SAS_UE_TidyData/: 包含整理数据相关的代码和材料。
- SAS_Viya_AX2016_faces/: 包含Viya平台2016年人脸识别相关的代码和材料。
- SVM/: 包含支持向量机相关的代码和材料。
- gitattributes: Git属性配置文件。
- ContributorAgreement: 贡献者协议文件。
2. 项目启动文件介绍
由于项目中没有明确的启动文件(如main.py
或app.js
等),通常需要根据具体示例或任务选择相应的代码文件进行运行。例如,如果需要运行贝叶斯网络相关的代码,可以进入BayesianNetwork/
目录,选择相应的Python或SAS脚本进行运行。
3. 项目配置文件介绍
项目中没有明确的配置文件(如config.json
或settings.py
等),配置通常通过代码中的参数或环境变量进行设置。如果需要进行配置,建议查看具体示例代码中的参数设置部分,并根据需要进行修改。
以上是基于sassoftware/enlighten-apply
项目的教程内容,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息对你有所帮助。