📂 分类
默认：全部
全部 评价与决策分析 预测与时间序列 数学统计与计量金融 机器学习（监督学习） 聚类与降维（无监督） 深度学习与时序网络 自然语言处理（NLP） 异常检测 优化与多目标（智能优化） 灰色系统与模糊理论 可解释性与 AutoML 工具类(可视化,公式识别)及工具箱 计算机CV类
具体的模型/算法可以归属于一类或多类别
No.002

主成分分析(PCA)系统

用于对多个相关指标进行主成分分析，通过降维提取能够代表原始信息的综合成分，适合指标压缩、综合评价和后续建模前的数据处理。

¥30.00
📦 下载方式
🔑 购买授权码
No.015

多模型-聚类与降维系统

集成多种聚类与降维方法，用于发现样本分组结构、压缩高维特征并辅助可视化，适合探索性分析和建模前处理。

¥99.00
📦 下载方式
🔑 购买授权码
No.064

LDA-主题模型

用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。

¥10.00
📦 下载方式
🔑 购买授权码
No.066

NMF_Topic-NMF 主题模型

用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。

¥10.00
📦 下载方式
🔑 购买授权码
No.072

Top2Vec-主题模型

用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。

¥10.00
📦 下载方式
🔑 购买授权码
No.114

BIRCH-BIRCH

用于无监督聚类与样本分组，采用BIRCH发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.115

DBSCAN-密度聚类

用于无监督聚类与样本分组，采用密度聚类发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.116

FCM-模糊 C 均值

用于无监督聚类与样本分组，采用模糊 C 均值发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.117

GMM-高斯混合模型

用于无监督聚类与样本分组，采用高斯混合模型发现数据结构、压缩特征或辅助可视化，适合没有明确目标变量的探索性分析；结果受参数设置和数据标准化方式影响。

¥10.00
📦 下载方式
🔑 购买授权码
上一页 1 2 3 4 下一页
当前：第 1 页，共 4 页，共 29 个算法
软件下载目录