自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

王文强的博客

朝花夕拾愿生命不虚度

  • 博客(20)
  • 资源 (31)
  • 收藏
  • 关注
全部文章> 2017年12月
排序：
按最后发布时间
按访问量
RSS订阅
12月 11月 10月 09月 03月 02月

原创 R之组间差异的非参数检验

# t 检验# 在研究中最常见的行为就是对两个组进行比较。接受某种新药治疗的患者是否较使用某种现# 有药物的患者表现出了更大程度的改善？某种制造工艺是否较另外一种工艺制造出的不合格品# 更少？两种教学方法中哪一种更有效？如果你的结果变量是类别型的，那么可以直接使用7.3节# 中阐述的方法。这里我们将关注结果变量为连续型的组间比较，并假设其呈正态分布。# 为了阐明方法，我们将使用MA...

2017-12-27 21:18:21 8426 2

原创 R之相关性的显著性检验

p 值可以解释如下:一个很小的p 值表示，在预测变量和响应变量之间的真实关系未知的情况下，不太可能完全由于偶然而观察到预测变量和响应变量之间的强相关。因此，如果看到一个很小的p 值，就可以推断预测变量和响应变量问存在关联。如果p 值足够小，我们便拒绝零假设( reject the null hypothesis) 也就是声明X 和Y 之间存在关系。# 相关# ...

2017-12-26 19:26:01 78290

原创 R之将表转换为扁平化格式

将表转换为扁平格式table2flat<-function(mytable){ df<-as.data.frame(mytable) rows<-dim(df)[1] cols<-dim(df)[2] x<-NULL for (i in 1:rows) { for (j in 1:df$Freq[i]) { row<-df[i,c(1:(cols-1

2017-12-26 16:15:23 1093

原创 R之独立性检验

# 独立性检验# R提供了多种检验类别型变量独立性的方法。本节中描述的三种检验分别为卡方独立性检验、# Fisher精确检验和Cochran-Mantel–Haenszel检验。# 1. 卡方独立性检验# 你可以使用chisq.test()函数对二维表的行变量和列变量进行卡方独立性检验library(vcd)mytable<-xtabs(~Treatment+Improve...

2017-12-26 15:35:26 9263 1

原创 R之生成频数表

# ，我们将着眼于类别型变量的频数表和列联表，以及相应的独立性检验、相关性的# 度量、图形化展示结果的方法。我们除了使用基础安装中的函数，还将连带使用vcd包和gmodels# # 包中的函数。# 本节中的数据来自vcd包中的Arthritis数据集。这份数据来自Kock & Edward （1988），表# 示了一项风湿性关节炎新疗法的双盲临床实验的结果。library(vcd)li

2017-12-26 15:06:00 14041

原创 R之分组计算描述性统计统计量

# summary()函数提供了最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻# 辑型向量的频数统计。你可以使用第5章中的apply()函数或sapply()函数计算所选择的任意描# 述性统计量。对于sapply()函数，其使用格式为：sapple(x,FUN,options)# 其中的x是你的数据框（或矩阵），FUN为一个任意的函数。如果指定了options，它们将被传递#

2017-12-25 16:10:24 5773

原创 R之箱线图

# # 箱线图（又称盒须图）通过绘制连续型变量的五数总括，即最小值、下四分位数（第25百分# 位数）、中位数（第50百分位数）、上四分位数（第75百分位数）以及最大值，描述了连续型变量# 的分布。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上# 四分位数与下四分位数的差值）的观测。例如：boxplot(mtcars$mpg,main="Box ...

2017-12-23 20:58:31 9683

原创 R之核密度图

# # 用术语来说，核密度估计是用于估计随机变# 量概率密度函数的一种非参数方法。虽然其数学细节已经超出了本书的范畴，但从总体上讲，核# 密度图不失为一种用来观察连续型变量分布的有效方法。绘制密度图的方法（不叠加到另一幅图# 上方）为：plot(density(x))# # 其中的x是一个数值型向量。由于plot()函数会创建一幅新的图形，所以要向一# 幅已经存在的图形上叠加一条

2017-12-23 20:22:50 21015 8

原创 R之直方图

# # 直方图# 直方图通过在X 轴上将值域分割为一定数量的组，在Y 轴上显示相应值的频数，展示了连续# 型变量的分布。可以使用如下函数创建直方图：# 其中的x是一个由数据值组成的数值向量。参数freq=FALSE表示根据概率密度而不是频数绘制# 图形。参数breaks用于控制组的数量。在定义直方图中的单元时，默认将生成等距切分。par(mfrow=c(2,2))# 第一幅直方

2017-12-23 17:46:27 2155

原创 R语言之饼状图

# 饼图在商业世界中无所不在，然而多数统计学家，包括相应R文档的编写者却都对它持否定# 态度。相对于饼图，他们更推荐使用条形图或点图，因为相对于面积，人们对长度的判断更精确。# 也许由于这个原因，R中饼图的选项与其他统计软件相比十分有限。# 饼图可由以下函数创建：pie(x,labels)# 其中x是一个非负数值向量，表示每个扇形的面积，而labels则是表示各扇形标签的字符型向量。#

2017-12-23 17:11:58 13001

原创 R处理数据的案例

将学生的各科考试成绩组合为单一的成绩衡量指标、基于相对名次（前20%，下20%，等等）给出从A到F的评分、根据学生姓氏和名字的首字母对花名册进行排序代码如下：options(digits = 2)Student<-c("John Davis","Angela Williams","Bullwinkle Moose","David Jones", "Janic

2017-12-23 13:07:20 3442 2

原创 R中的字符处理函数汇总

R语言中的字符处理函数汇总请注意，函数grep()、sub()和strsplit()能够搜索某个文本字符串（fixed=TRUE）或某个正则表达式（fixed=FALSE，默认值为FALSE）。正则表达式为文本模式的匹配提供了一套清晰而简练的语法。R语言中其他实用函数：

2017-12-20 21:37:31 806

原创 R语言处理日期值的数值和字符串之间的相互转换

1 将日期的字符型转换为数值型日期值通常以字符串的形式输入到R中，然后转化为以数值形式存储的日期变量。函数as.Date()用于执行这种转化。其语法为as.Date(x, "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式：举例：日期值的默认输入格式为yyyy-mm-dd。语句：mydata<-as.Dat

2017-12-09 12:19:03 31148 2

转载 R语言par(fig=)函数的详细解释

图形布局的精细控制可能有很多时候，你想通过排布或叠加若干图形来创建单幅的、有意义的图形，这需要有对图形布局的精细控制能力。你可以使用图形参数fig=完成这个任务。此上添加两幅箱线图，创建了单幅的增强型图形opar<-par(no.readonly = TRUE)par(fig=c(0,0.8,0,0.8))plot(mtcars$wt,mtcars$mpg,xlab = "

2017-12-08 11:14:37 17185 15

原创 R语言处理QQ群消息案例实现

install.packages("ggplot2")user.time<-data$timeuser.time<-as.character(user.time)user.time.h<-c()for(i in 1:length(user.time)){ user.time.h[i]<-substr(user.time[i],12,19)}#下面这句是提取时分秒user.ti

2017-12-06 18:30:08 665

原创 在R语言环境中设置JAVA_HOME的路径

在R语言环境中设置JRE路径解决办法： 如果没有java运行环境，则需安装对应版本的jre,如R64就需要安装jre64位的，并且要注意在系统环境变量中指定java_home 如果有java运行环境，检查你的java版本与R版本选择是否一致（要么都是32位，要么都是64位） 提示一点：jdk1.9之后不要下载，包括1.9,以下命令适用于JDK版本1.6到1.8...

2017-12-04 19:33:57 4811

转载 R语言聊天记录

R || 聊天记录分析（一）http://blog.csdn.net/qq_29737811/article/details/77248551

2017-12-04 19:24:13 577

转载 基于R语言的用户征信行为分类预测模型搭建总结

数据集：15万行数据量，11个数据维度。目标变量为是否有重大违约倾向（定义为超过90天没有还贷）建模流程：1. 缺失值处理发现数据集的数据缺失主要集中在亲属数量和月收入两个属性。其中，亲属数量却缺失属性为3000多条，且这3000多条记录中，月收入属性也同时缺失，故直接删除。对于有1万多条缺失记录的月收入，采用线性回归和多重插补填补缺失值。进行线性回归时，可能由于其他自

2017-12-03 15:34:29 1251

转载 基于R语言构建的电影评分预测模型

评分系统是一种常见的推荐系统。现在使用R语言基于协同过滤算法来构建一个电影评分预测模型。一，前提准备1.R语言包：ggplot2包（绘图），                    recommenderlab包，                     reshape包（数据处理）install.packages("recommenderlab")install.

2017-12-03 15:29:52 4250

转载 R语言中文社区历史文章整理（类型篇）

R语言中文社区历史文章整理（类型篇）  R包：R语言交互式绘制杭州市地图：leafletCN包简介clickpaste包介绍igraph包快速上手jiebaR，从入门到喜欢Catterplots包，让你绘制不一样的图今天再来谈谈REmap包ggplot2你需要知道的都在这...R访问

2017-12-03 10:51:37 1219

虚拟化和云计算的概述以及视频讲解.rar
云计算是一种能够通过网络以便利的、按需的方式获取计算资源（网络、服务器、存储、应用和服务）的模式 –这些资源来自一个共享的、可配置的资源池，并能够快速获取和释放，提供资源的网络被称为“云” –云模式能够提高可用性 –云计算的核心思想,是将大量用网络连接的计算资源统一管理和调度,构成一个计算资源池向用户按需服务。

2020-07-11

原码一位乘法器.rar
原码一位乘，两个原码数相乘，其乘积的符号为相乘两数符号的异或值，数值则为两数绝对值之积。这里是原码的设计与实现，包括说明

2020-07-11

定点补码一位乘法器的设计.rar
（1）用[X]补×[Y]补直接求[X×Y]补 讨论当相乘的两个数中有一个或二个为负数的情况，在讨论补码乘法运算时，对被乘数或部分积的处理上与原码乘法有某些类似，差别仅表现在被乘数和部分积的符号位要和数值一起参加运算。 若[Y]补=Y0Y1Y2…Yn 当Y0为1时，则有Y=－1＋Yi×2-i 故有 X×Y=X×Yi×2-1－X当Y为负值时，用补码乘计算[X×Y]补，是用[X]补乘上[Y]补的数值位，而不理[Y]补符号位上的1，乘完之后，在所得的乘积中再减X，即加－[X]补。实现补码乘法的另一个方案是比较法，是由BOOTH最早提出的，这一方法的出发点是避免区分乘数符号的正负，而且让乘数符号位也参加运算。技巧上表现在分解乘数的每一位上的1为高一位的一个+1和本位上的一个-1：X×Y=X×（－1＋Yi×2i） （逐项展开则得）=X×[－Y0＋Y1×2-1＋Y2×2-2＋…＋Yn×2-n]=X×[－Y0＋(Y1－Y1×2-1)＋(Y2×2-1－Y2×2-2)＋…＋(Yn×2-(n-1)－Yn×2-n)]（合并相同幂次项得） =X×[(Y1－Y0)＋(Y2－Y1) ×2-1＋…＋(Yn－Yn-1) ×2-(n-1)＋(0－Yn) ×2-n]=X×（Yi+1－Yi）×2-i（写成累加求和的形式，得到实现补码乘运算的算法）将上述公式展开，则每一次的部分积为： P1=[2-1(Yn+1－Yn) ×X]补 P2=[2-1(P1＋(Yn－Yn-1) ×X)]补 … Pi=[2-1(Pn-i＋(Yn-I+2－Yn-I+1) ×X)]补 … Pn=[2-1(Pn-1＋(Y2－Y1) ×X)]补 Pn+1=[ (Pn＋(Y1－Y0) ×X)]补 则最终补码乘积为[X*Y]补=[Pn+1]补 由上述公式可以看出，比较法是用乘数中每相邻的两位判断如何求得每次的相加数。每两位Yi和Yi+1的取值有00，01，10，11四种组合，则它们的差值分别为0，1，-1和0，非最后一次的部分积，分别为上一次部分积的1/2（右移一位）的值Rj，Rj＋[X]补，Rj－[X]补（即Rj＋[－X]补）和Rj，但一定要注意：最后一次求出的部分积即为最终乘积，不执行右移操作。用此法计算乘积，需要乘数寄存器的最低一位之后再补充一位Yn+1，并使其初值为0，再增加对Yn和Yn+1两位进行译码的线路，以区分出Yn+1－Yn 4种不同的差值。对N位的数（不含符号位）相乘，要计算N+1次部分积，并且不对最后一次部分积执行右移操作。此时的加法器最好采用双符号位方案。

2020-07-11

阵列乘法器的设计与实现.rar
四位阵列乘法器的原理框图如图1.1所示，X=X1X2X3X4 Y=Y1Y2Y3Y4且X为被乘数的输入端，Y为乘数的输入端，M=M0M1M2M3M4M5M6M7为乘积的输出端。其基本原理是阵列的每一行送入乘数Y的每一位数位，而各行错开，形成的每一斜列则有被乘数X的每一位控制。 四位阵列乘法器的整体设计包含十六个加法器模块，虽然加法器数量多，但内部规则化，标准化程度高。加法器模块中由一个与门和一个全加器构成，由四个与门、两个异或门、一个三端接口的或门构成的全加器为底层设计。 顶层的四位阵列乘法器也采用原理图设计输入方式，在以十六个加法器为基础而构成的四位阵列乘法器，其主要以四个被乘数输入端、四个乘数输入端以及八个乘积输出端为主，外加还包括中间过程参与计算的进位输入端、部分积输入端和进位输出端、部分积输出端，这样一来就构成了一个完整的四位阵列乘法器。

2020-07-11

阵列触发器的设计与实现.rar
阵列除法器的功能是利用一个可控加法／减法(CAS)单元所组成的流水阵列来实现的。它有四个输出端和四个输入端。当输入线P＝0时，CAS作加法运算；当P＝1时，CAS作减法运算。

2020-07-11

恢复余数法定点原码一位除法器.rar
定点原码一位除法器（余数恢复法）的原理是根据人工进行二进制除法的规则：判断被除数与除数的大小，若被除数小则商上0，并在余数最低位补0，再用余数和右移一位的除数比，若够除则商上1，否则商上0。然后继续重复上述步骤，直到除尽（即余数为0）或已得到的商的位数满足精度要求为止。 右移除数可以通过左移被除数（余数）来代替，左移出界的被除数（余数）的高位都是无用的0，对运算不会产生任何影响。上商0还是1用做减法判断结果的符号为负还是为正来确定。当差为负时，上商为0，同时还应把除数再加到差上去，恢复余数后再将其左移一位。若差为0或正值时，则不用恢复余数，上商1，余数左移一位。

2020-07-11

海明码生成与校验电路的设计.rar
海明校验码是由理查得•海明（Richard Hanmming）于1950年提出的，它不仅具有检测错误的能力，同时还具有给出错误所在的准确位置的能力，这在通信领域有着很广泛的应用。 海明码是奇偶校验的一种扩充。它采用多位校验码的方式，在这些校验位中的每一位都对不同的信息数据位进行奇偶校验，通过合理地安排每个校验位对原始数据进行校验位组合，可以达到发现错误，纠正错误的目的。（1）数据位和校验位的关系 假设数据位有m位，如何设定校验位k的长度才能满足纠正一位错误的要求呢?我们这里做一个简单的推导。k位的校验码可以有2^k个值。如果能够满足： 2^k–1>=m + k (m+ k为编码后的总长度)，在理论上k个校验码就可以判断是哪一位(包括信息码和校验码)出现问题。 （2）海明码的编码规律 若海明码的最高位号为m，最低位号为1，即HmHm-1…H2H1，则海明码的编码规律通常是： a.校验位与数据位之和为m，每个校验位Pi在海明码中被分在 2i-1的位置，其余各位为数据位，并按从低向高逐位依次排列的关系分配各数据位。 b.海明码的每一位Hi（包含数据位和校验位本身）由多个校验位校验，其关系是被校验的每一位位号要等于校验它的各校验位的位号之和。这样安排的目的，是希望校验的结果能正确反映出出错位的位号。

2020-07-11

加减交替法定点原码一位除法器设计.rar
加减交替法又称不恢复余数法，可以认为是恢复余数法的一种改进算法。当某一次求得的差值（余数Ri）为负时，不恢复它，继续求下一位的商，但用加上除数（+[—Y]补）的办法来取代（-Y）的操作，其他操作依然不变。即： （1）当余数为正时，商上“1”，求下一位商的办法是余数左移一位，再减去除数； （2）当余数为负数时，商上“0”，求下一位商的办法是余数左移一位，再加上除数。 （3）这种方法不用恢复余数，但若最后一次上商 为“0”，而又需要得到正确的余数，则在这最后一次仍需恢复余数。

2020-07-11

相联存储器的设计与实现.rar
相联存储器既可按地址寻址，又可按内容（通常是某些字段）寻址，又称为按内容寻址的存储器。基本组成如图1.1所示。检索寄存器CR用来存放检索字，其位数与相连存储器的字长相等。屏蔽寄存器MR用来存放屏蔽码，其位数与检索寄存器位数相同，其内容与需要检索的字段有关。比较线路是把检索项和所有存储单元的相应位进行比较，如果比较结果相等，就将符合寄存器RR的相应位置“1”。RR又称为查找结果寄存器，其位数等于相联存储器的字数。如果比较结果第i个字满足要求，则RR的第i位为“1”，其余各位为“0”。代码寄存器用来存放从存储体中读出的代码，或存放写至存储体中的代码。

2020-07-11

CMI码编码器设计与实现.rar
CMI又称传号反转码，是一种二电平非归零码。其中“0”码用固定的负、正电平表示，“1”码用交替的正、负电平表示。 CMI码是一种1B2B码（一位信息码，二位码元），即将过来的一位码子用两位码子来表示。当过来“0”码时，编码输出固定的“00”或者“11”码，并且交替出现。

2020-07-11

4PPM码编码器设计与实现2.rar
所设计的4PPM码是将两位二进制信息，编译成四位二级制信息码。共四组二进制码有00、01、10、11，分别对应编译成1000、0100、0010、0001。同时编译时要求串行输入输出，所以要求对信息设计编码分组，经过计数器的控制将被串行转换后的编码，依次循环输出，四组输入对应四组不同的输出，这就是4PPM编码器的基本设计原理。

2020-07-11

4PPM码解码器设计与实现.rar
从给定的4PPM码解码规则，提取相对应的二进制数，分别为：1000=>00,0100=>01,0010=>10,0001=>11。通过2个T触发器进行分频，各为二分频和四分频。由输入端A作为选取的控制条件，通过D触发器对分频波进行选择与输出处理，并用传输门分别传送到输出，从而实现4PPM码的解码规则。

2020-07-11

RZI码编码器设计与实现.rar
RZI码编码器设计与实现以COP2000实验仪和FPGA实验板为硬件平台，采用Xilinx foundation f3.1设计工具和COP2000仿真软件，设计实现3/16RZI码编码器，将输入的的数字序列变成3/16RZI码输出，总电路图有D触发器及其一些逻辑门电路组成，整体有两级的芯片组成，逻辑门电路和触发器等逻辑部件组成的电路将给定的输入数字序列按3/16RZI码输出的电路。3/16RZI码是输入的二进制数为一时全部为高，输入二进制数为零时有3/16为高，其余全部为低。

2020-07-11

316RZI解码器的设计与实现.rar
采用移位寄存器并行输入的形式，将周期为16的高低电平送入寄存器中，唯一寄存器有16个D触发器组成，第一个D触发器接收信号，其余的每个触发器均与前面触发器的Q端相连。 3/16RZI解码器的编码规则为“0”对应的16个电平中第7,8,9位为高电平，其余为低电平。 “1”对应的16个电平均为高电平。我们通过解码，将其转化为“0”对应16个低电平，“1” 对应16个高电平。

2020-07-11

位同步时钟提取电路设计与实现.rar
本文设计的方案可以从异步串行码流中提取位同步时钟信号，设计思想的基本出发点是在外部码流（code_in）的上升沿和本地时钟(clk)上跳沿相比较

2020-07-11

中断请求串行判优先电路的设计.rar
程序中断方式的主要特点是：程序切换（程序转移）和随机性。对于小数据量交换的场合，用程序中断方式是很方便和高效的。程序中断方式是指：CPU在执行程序的过程中，如果因出现某种随机事件而收到中断请求，则暂时停止现行程序的执行，转去执行一段中断服务程序，以处理该事件，并在处理完毕后自动恢复程序的执行。 中断请求串行优先电路，即菊花链优先排队电路，是一种优先级管理的简单硬件方案。它为每个设备接口都设置一个简单的逻辑电路，以便根据优先级来传递或截取CPU发出的中断响应信号INTA（低电平有效），以实现响应中断的顺序。 由于需要产生中断向量，所以在菊花链排队电路的基础上，再加入中断向量产生逻辑。实用的中断控制器都可以实现对特定中断的屏蔽，所以在上述电路的基础上再加入中断屏蔽电路。

2020-07-11

Desktop.rar
一、数据结构与算法基础、二、Java基础、三、JVM、四、多线程/并发、、

2019-09-22

链表相关算法.rar
链表的相关算法题：很重要：7道  一般面试问的第一个问题，链表反转！

2019-09-22

设计模式.rar
设计模式：重要，要学会手写单例模式：4道  尤其是里面的单例模式，背的死死的！

2019-09-22

数组类型.rar
数组类型的相关算法题：最重要：10道   这种问题，一般在笔试中会被写，你们至少看看思想，不然真做不出来啊！

2019-09-22

排序和查找算法.rar
排序和查找的相关算法：重要：5道  这是需要背的，其中快排和堆排，每次都问

2019-09-22

字符串相关算法.rar
字符串的相关算法题：最重要：8道：面试官最喜欢出的算法题，就8道，不背等被怼吗?

2019-09-22

图的搜索.rar
图的搜索：一般不问:2道   dfs和bfs哦，我的是java是实现

2019-09-22

剑指offer.rar
剑指offer里面的常问的算法题目：重要：27   难度加深，记住思想！

2019-09-22

公司笔试题汇总.rar
2019年各大公司笔试题汇总：17家公司  你们可以看看难度，有的做出来了，有的没有

2019-09-22

二叉树相关算法.rar
二叉树面试相关算法：重要：8道 二叉比较简单，记住不要用递归，也不会有面试官让你用递归写，记住里面的非递归的写法

2019-09-22

一般测试题.rar
一般测试题：可看可不看：19道  包括多线程等的一些测试案例，可看可不看哦。

2019-09-22

用户评论情感分析数据集（细粒度）收集于（AI-challenger比赛）2018
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细粒度的情感对象，例如“服务”属性中的“服务人员态度”、“排队等候时间”等细粒度要素。每个细粒度要素的情感倾向有四种状态：正向、中性、负向、未提及

2019-04-23

Logistic回归来预测患疝气病的马的存活问题。
本次实战内容，将使用Logistic回归来预测患疝气病的马的存活问题。原始数据集下载地址：http://archive.ics.uci.edu/ml/datasets/Horse+Colic 这里的数据包含了368个样本和28个特征。这种病不一定源自马的肠胃问题，其他问题也可能引发马疝病。该数据集中包含了医院检测马疝病的一些指标，有的指标比较主观，有的指标难以测量，例如马的疼痛级别。另外需要说明的是，除了部分指标主观和难以测量外，该数据还存在一个问题，数据集中有30%的值是缺失的。 预处理数据做两件事： 如果测试集中一条数据的特征值已经确实，那么我们选择实数0来替换所有缺失值，因为本文使用Logistic回归。因此这样做不会影响回归系数的值。sigmoid(0)=0.5，即它对结果的预测不具有任何倾向性。 如果测试集中一条数据的类别标签已经缺失，那么我们将该类别数据丢弃，因为类别标签与特征不同，很难确定采用某个合适的值来替换。 原始的数据集经过处理，保存为两个文件：horseColicTest.txt和horseColicTraining.txt。已经处理好的“干净”可用的数据集下载地址：

2019-03-22

关于kaggle的训练数据和测试数据
关于王文强的博客文章 R语言kaggle 房价预测用xgboost 实现，可以保证前五十，最好达到第四名的成绩

2019-01-02

最小最大风险判别准则
最小错误概率Bayes决策最小风险Bayes决策 Neyman-Pearson决策

2018-12-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除