ITPub博客

原文链接 : http://tecdat.cn/?p=2567 对于这个例子，考虑由具有明显频率变化的正弦波组成的非平稳连续信号。手提钻的振动或声是非平稳连续信号的例子。以采样频率加载非平稳信号数据fs，并可视化混合正弦信号。load（'sinusoidalSignalExampleData.mat'，'X'，'fs'）

原文链接：http://tecdat.cn/?p=2857 本文是通过对area,perimeter,campactness几个变量的贝叶斯建模,来查看他们对groovelength这个变量的影响.并且对比rjags R2jags和内置贝叶斯预测函数的结果。 读取数据   seed=read.csv("seeds_dataset.csv&

原文 ：http://tecdat.cn/?p=3433 本文我们讨论期望最大化理论，应用和评估基于期望最大化的聚类。软件包 数据我们将使用mclust软件包附带的“糖尿病”数据。data(diabetes)summary(diabetes)## class glucose insulin sspg## Chemical:36&

原文：http://tecdat.cn/?p=3223 摘要时变参数VAR随机模型是一种新的计量经济学方法，用于在具有随机波动率和相关状态转移的时变参数向量自回归（VAR）的大模型空间中执行随机模型规范搜索（SMSS）。这是由于过度拟合的关注以及这些高度参数化模型中通常不精确的推断所致。对于每个VAR系数，这种新方法自动确定它是恒定的还是随时间变化的。此外，它可用于将不受限制的时变参数V

原文链接：http://tecdat.cn/?p=5673  约瑟夫·海勒的《第二十二条军规》是我最喜欢的小说。我最近读完了 ,并喜欢整本书中语言的创造性使用和荒谬人物的互动。对于我的可视化类，选择文本作为我的最终项目“数据集”是一个简单的选择。 数据集该文有大约175,000个单词，分为42章。我在网上找到了这本书的原始文本版本并开始工作。我使用正则表达式和简单字

 原文 http://tecdat.cn/?p=3740有许多分层数据的例子。例如，地理数据通常按层次分组，可能是顶级的全球数据，然后按国家和地区分组 。一个生物学的例子是按物种分组的动物或植物的属性，或者属于一个级别的属性，然后是家族（例如，参见蓝山雀的Jarrod Hadfield的数据集）。一个金融的例子可能是按行业分组的特定国家的公司（例如，见Pak-Wing Fok等

原文：http://tecdat.cn/?p=3609 读时间序列数据您要分析时间序列数据的第一件事就是将其读入R，并绘制时间序列。您可以使用scan（）函数将数据读入R，该函数假定连续时间点的数据位于包含一列的简单文本文件中。 数据集如下所示：Age of Death of Successive Kings of&n

 原文：http://tecdat.cn/?p=3772 创建测试数据作为第一步，我们创建一些测试数据，用于拟合我们的模型。让我们假设预测变量和响应变量之间存在线性关系，因此我们采用线性模型并添加一些噪声。我将x值平衡在零附近以“去相关”斜率和截距。结果应该看起来像右边的 trueA <- 5trueB <- 0tr

 原文：http://tecdat.cn/?p=3432 线性优化简介优化是一种为所有可能的解决方案找到给定问题的最佳解决方案的技术。优化使用严格的数学模型来找出给定问题的最有效解决方案。要从优化问题开始，首先确定目标非常重要。目标是绩效的量化衡量。例如：最大化利润，最小化时间，最小化成本，最大化销售。优化问题可分为两组线性规划（LP）：它也被称为线性优化，在这个问题中，目标是

原文链接：http://tecdat.cn/?p=6810 使用R中的线性编程工具来解决优化问题。优化通常用于运营研究领域，以解决生产计划，运输网络设计，仓库位置分配和调度等问题，我们尝试最大化或最小化具有决策变量和约束数量的线性函数。在这里，我使用了我的一个咨询项目，帮助我们的投资组合公司选择一个无线供应商，其中包含可以满足所有要求（总线数和汇总数据量）的数据计划组合，同时花费最少的金

原文http://tecdat.cn/?p=3431 ImageMagick的库具有大量功能.Magick的当前版本暴露了相当大的一部分，但作为第一个版本，文档仍然很少。本文简要介绍了最重要的入门概念。安装 magick在的Windows或OS-X上，通过CRAN最容易安装软件包。<span style="color:#333333">

Gabor特征已广泛用于图像分析和处理（字符和面部识别）。Gabor（诺贝尔奖获得者，电气工程师和物理学家）使用了以下措辞，我认为在这个小插图中值得一提，“你无法预测未来，但你可以发明它。” 在下面的几行中，我将描述GaborFeatureExtract R6类，其中包括以下方法，GaborFeatureExtractgabor_filter_bank（）gabor_featu

原文链接：http://tecdat.cn/?p=9015 在本文中，我将带您了解图像处理的一些基本功能。特征提取。但是这里我们需要更深入的数据清理。但是数据清理是在数据集，表格，文本等上完成的。如何在图像上完成？导入图像用python导入图像很容易。以下代码将帮助您在Python上导入图像：image = imread(r"C:\Users\Tavish\

 原文链接：http://tecdat.cn/?p=6714 必须使用非常少的数据训练图像分类模型是一种常见情况，如果您在专业环境中进行计算机视觉，则在实践中可能会遇到这种情况。“少数”样本可以表示从几百到几万个图像的任何地方。作为一个实际例子，我们将重点放在将图像分类为狗或猫的数据集中，其中包含4,000张猫狗图片（2,000只猫，2,000只狗）。我们将使用2,000张图片

原文链接：http://tecdat.cn/?p=17347 昨天上午，我们获得了产妇的平均年龄两个图表，根据孩子的出生顺序排序，区间是1905-1965年：然后是1960-2000年： 这些图形令人兴奋，特别是在过去30年中观察到的增长方面。> age$Age=as.character(age$AGE)> age$AGE=as.numeric(

本文将模拟退火（SA）算法应用于投资组合优化问题。模拟退火（SA）是一种通用的概率和元启发式搜索算法，可用于找到以具有多个最优的大搜索空间为特征的优化问题的可接受解决方案。投资组合优化涉及在资产之间分配资本，以最大化风险调整回报。基本模拟退火算法该算法的灵感来自冶金退火中的随机过程，其中材料被反复加热和冷却。这样做是为了增加材料晶体的尺寸并减少其缺陷。这些材料特性取决于材料中通过加热和冷却调节的热

原文链接：http://tecdat.cn/?p=6811  组合优化投资组合包括资产和投资资本。投资组合优化涉及决定每项资产应投入多少资金。随着诸如多样化要求，最小和最大资产敞口，交易成本和外汇成本等限制因素的引入，我使用粒子群优化（PSO）算法。投资组合优化的工作原理是预测投资组合中每种资产的预期风险和回报。该算法接受这些预测作为输入，并确定应在每个资产中投入多少资本，以使

原文链接：http://tecdat.cn/?p=6689  在本文中，188个国家基于这19个社会经济指标聚集在一起，使用Python实现的蒙特卡罗K-Means聚类算法。通过将类似国家分组在一起并对其进行概括，聚类可以帮助减少识别有吸引力的投资机会所需的工作量。在讨论聚类国家和得出结论的结果之前，本文详细介绍了距离度量，聚类质量测量，聚类算法，K-Means聚类算法。&nb

原文链接：http://tecdat.cn/?p=5374  我们要估计的模型是Y = A + BX + CD + EY = A + BX + CD + E，其中是解释变量,,和是我们想要估计的系数。 生成数据首先，让我们生成数据。假设的工具变量和之间的相关矩阵如下： ##       x

原文链接：http://tecdat.cn/?p=3059 介绍处理分组数据和复杂层次结构的分析师，从嵌入在参与者中的测量，嵌套在州内的县或嵌套在教室内的学生，经常发现他们需要建模工具来反映他们数据的这种结构。在R中，有两种主要的方法来拟合多级模型，这些模型考虑了数据中的这种结构。这些教程将向用户展示如何使用lme4R中的包来拟合线性和非线性混合效果模型，以及如何使用rstan以完全适合