- 博客(86)
- 收藏
- 关注
RSS订阅原创 Python+MongoDB的文档管理系统
文档管理系统（Python+MongoDB）为用户提供了高度的定制性和灵活性，使其成为一个非常有吸引力的选择。这种组合允许开发者创建一个完全根据他们的特定需求、工作流程和数据管理要求量身定制的解决方案。通过使用Python，开发者可以利用其简洁的语法和强大的库生态系统快速开发应用程序，而MongoDB的非关系型数据模型则提供了存储灵活性和高性能的读写操作，这对于处理大量的文档和元数据尤其重要，并且MongoDB是免费。
2024-04-11 17:41:45
456
原创 python绘制子图（旭日图、渐变堆积面积图、多数据折线图、比例关系图）
子图可以更清晰地展示和理解复杂的数据关系，通过将数据分成多个小图，有助于观察数据间的关系和趋势。减少数据之间的重叠和混淆，使得每个子图更易于理解和解释。不同类型的子图可以呈现数据的不同方面。例如，旭日图可以展示层次数据的结构，渐变堆积面积图可以显示时间序列数据的变化，多数据折线图可以比较多个数据集的趋势，比例关系图可以展示数据之间的相对比例关系。下面开始代码实战。
2024-04-06 11:42:31
431
原创 Python实现特征模态分解（FMD）
特征模态分解（Feature Mode Decomposition，FMD）是一种信号处理技术，用于从数据中提取特征，并将其表示为一组特定的模态成分。与其他分解方法类似，如小波变换或奇异值分解，FMD 旨在将信号分解为具有不同频率和振幅的模态成分，每个模态成分代表信号中的一个特定特征或组件。FMD 可以应用于多个领域，包括信号处理、图像处理、振动分析和数据压缩等。它通常用于处理非线性和非平稳信号，并且在提取信号中的重要特征方面具有一定的优势。 FMD 的目标是将原始信号分解为一组具有良好时频局部性质的基本模
2024-04-06 11:19:16
1550
3
原创 Matlab实现序贯变分模态分解（SVMD）
逐次变分模态分解是一种有效的信号处理和数据分析方法。它可以将复杂信号分解为多个模态函数，并可以通过数据重构将它们重新组合成原始信号。 SVMD有着广泛的应用范围，对于理解和描述信号的频率特性非常有帮助。
2024-03-25 17:49:15
518
1
原创 使用逻辑回归绘制混淆矩阵、ROC曲线、特征变量重要性排序图
逻辑回归是一种用于解决分类问题的统计学习方法，它常被用于二分类问题，即将数据分为两个类别。逻辑回归的目标是根据输入的特征来预测输出为某个类别的概率。逻辑回归模型在简单性、可解释性、稳定性和性能评估等方面具有优势，并且可以通过绘制混淆矩阵、ROC曲线和特征变量重要性排序图来进一步评估和优化模型。下面开始代码实战。
2024-03-18 21:21:38
617
原创 使用决策树模型绘制混淆矩阵、ROC曲线、特征变量重要性排序图
决策树模型可以处理各种类型的特征（连续型、离散型、类别型等），不需要对特征进行过多的预处理工作，因此非常适合初步探索数据。通过绘制混淆矩阵、ROC曲线和特征变量重要性排序图，可以直观地了解模型的性能表现以及对于预测的重要特征，有助于进一步分析和改进模型。下面开始代码实战。
2024-03-18 21:01:22
1276
2
原创 基于粒子群优化的支持向量机房价预测分析
在本期中，首先介绍如何爬取房价数据与清洗数据，对处理后的数据进行简单分析，最后使用粒子群优化的支持向量机对房价进行预测。
2024-03-14 11:12:02
1140
原创 R实现热图与网络图组合并显示显著性
热图和网络图分别展示了数据的不同方面。热图可用于显示变量之间的相关性或模式，而网络图则可用于显示节点之间的连接关系。通过将它们组合在一起，可以更全面地展示数据之间的关系和结构。下面开始代码实战。
2024-03-07 16:32:00
1154
原创 R语言实现分位数回归和二次分位数回归
分位数回归和二次分位数回归是统计学中用于分析因变量与自变量之间关系的方法，特别适用于处理非线性和异方差的情况。在以往的学习中，大家最常用的是分位数回归，也比较容易找到分位数回归的相关R代码，但是在后续的学习中，我发现网上关于二次分位数回归的代码与学习内容比较少，代码难以获取，为了解决这个问题，就有了这一篇博客的由来。
2024-02-22 14:54:36
1593
原创 爬取豆瓣电影评论内容、星级、评论时间、支持人数
本期爬取豆瓣电影评论人、评论时间、星级、支持人数、评论内容，电影网站链接为https://movie.douban.com/subject。
2024-01-01 17:48:28
666
1
原创 对房价数据集进行处理和数据分析
实现对房价数据进行可视化和统计分析：如绘制直方图、密度图、箱线图以及查看各个散点图的分布，最后使用支持向量机和KNN等几种机器学习方法进行学习。
2024-01-01 17:31:07
1847
2
原创 中国电影票房排行数据爬取及分析可视化
对中国电影票房排行数据的爬取和分析可视化具有多方面的用处：例如了解电影市场的历史趋势，包括不同类型电影的受欢迎程度、票房的季节性波动。识别观众对于不同类型电影的偏好，为电影制片方提供指导，以选择更有市场潜力的题材和类型。本期使用python爬取中国电影票房排行数据，并进行数据分析。
2023-11-19 17:03:35
1643
1
原创 基于灰色神经网络的预测算法——订单需求预测
灰色系统理论的不确定性处理与神经网络的非线性建模相结合，有望更好地处理实际问题中的不确定性和复杂性。本期使用灰色神经网络实现预测冰箱订单需求。
2023-11-19 15:51:33
1608
1
原创 自组织竞争网络在模式分类中的应用——患者癌症发病预测
自组织神经网络可以通过对客观事件的反复观察、分析与比较，自行提示内在规律，并对具有共同特征的事物进行正确的分类。该网络更与人脑中生物神经网络的学习模式类似，即可以通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变神经网络参数结构。自组织神经网络的学习规则大都采用竞争型的学习规则。
2023-11-14 21:51:43
172
原创 基于连续Hopfield神经网络优化——旅行商问题优化计算
由于连续型Hopfield神经网络具有优化计算的特性，因此将TSP问题的目标函数（即最短路径）与网络的能量函数相对应，将经过的城市顺序与网络的神经元状态相对应。这样，由连续型Hopfield神经网络的稳定性定理知，当网络的能量函数趋于最小值时，网络的神经元状态也趋于平衡点，此时对应的城市顺序即为最佳的路线。
2023-11-13 21:50:55
788
原创 离散Hopfield神经网络分类——高校科研能力评价
高校科研能力评价的重要性在于它对高等教育和科研体系的有效运作、发展和提高质量具有深远的影响。良好的科研能力评价可以帮助高校识别其在不同领域的强项和薄弱点，从而制定战略，改进教学和科研，提高质量，提高在国际和国内的竞争力。因此，如何准确评价高校的科研能力是摆在政府、企业、高校面前的一个十分重要的问题。本次利用离散Hopfield神经网络对高校科研能力进行评价。
2023-11-10 17:05:29
1057
原创 基于BP神经网络+Adaboost的强分类器设计实现公司财务预警
BP神经网络+Adaboost模型就是把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，最后通过Adaboost算法将多个BP神经网络弱分类器组合成强分类器。
2023-11-09 14:36:00
412
1
原创 密度聚类与层次聚类
密度聚类（Density-based Clustering）和层次聚类（Hierarchical Clustering）是两种不同的聚类方法，用于将数据集中的数据点分组成簇。
2023-11-07 17:25:50
388
原创 多变量GARCH模型R代码实现
多变量GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型是一种用于建模多个时间序列变量之间的条件异方差性（conditional heteroskedasticity）的统计模型。
2023-10-24 19:02:18
496
1
原创 R实现动态条件相关模型与GARCH模型结合研究中美股市动态相关性（DCC-GARCH模型）
本期使用DCC-GARCH模型研究近20年中美股市的动态相关性。
2023-10-11 20:17:26
1690
1
原创 R语言实现向量自回归和误差修正模型——附实战代码
向量自回归（VAR）模型和误差修正模型（ECM）是时间序列分析中常用的两种模型，它们用于研究多个变量之间的动态关系。
2023-10-10 12:57:16
2942
原创 R实现数据分布特征的视觉化——多笔数据之间的比较
如果要对两笔数据或者多笔数据的分布情况进行比较，Q-Q图、柱状图、星形图都是非常好的选择，下面开始实战。
2023-10-06 21:09:13
1124
1
原创 基于频谱信息的图像去噪与恢复——使用约束最小二乘方滤波法
本期使用约束最小二乘方滤波法对图像进行去噪还原，该方法基于最小二乘方准则，可以有效克服逆波算法的不稳定性，并在应用滤波过程中加入一些额外的约束条件，以改善噪声去除效果。
2023-09-16 19:22:29
587
原创 基于粒子群优化的BP神经网络算法
基于粒子群优化的BP神经网络算法（Particle Swarm Optimization Backpropagation Neural Network，PSO-BPNN）是一种利用粒子群优化算法优化BP神经网络的算法。
2023-09-12 23:34:12
1343
原创 利用逻辑回归判断病人肺部是否发生病变
判断肺部是否发生病变可以及早发现疾病、指导治疗和监测疾病进展，以及预防和促进肺部健康，定期进行肺部评估和检查对于保护肺健康、预防疾病和提高生活质量至关重要。本期将利用相关医学临床数据结合逻辑回归判断病人肺部是否发生病变
2023-08-28 19:14:30
978
原创 利用多种机器学习方法对爬取到的谷歌趋势某个关键词的每日搜索次数进行学习
前一期利用python爬取了谷歌趋势某个关键词的每日搜索次数，本期利用爬取的数据进行多种机器学习方法进行学习，其中方法包括：随机森林、XGBOOST、决策树、支持向量机、神经网络、K邻近等方法，并对模型拟合效果进行对比。
2023-08-28 00:52:32
374
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人