正在加载中...

算法资料下载

查看算法配套 Word/PDF 资料的百度网盘和夸克网盘链接与提取码。

共 204 个算法 · 已配置资料 197 个
每条资料为网盘目录,目录内同时包含该算法的 Word 和 PDF 文件。提取码已直接显示,打开网盘后按提示提取即可;如链接失效,请联系售后支持。
No.109 资料已配置

GM(1,N)-灰色预测

用于建立灰色预测,适合小样本或信息不完全条件下的趋势拟合与预测,可辅助查看模型拟合和预测结果;使用前应检查序列特征是否符合方法假设。

Word · 109-GM(1,N)-灰色预测-20260801-060806.docx PDF · 109-GM(1,N)-灰色预测-20260801-060806.pdf
No.110 资料已配置

GM(2,1)-灰色预测

用于建立灰色预测,适合小样本或信息不完全条件下的趋势拟合与预测,可辅助查看模型拟合和预测结果;使用前应检查序列特征是否符合方法假设。

Word · 110-GM(2,1)-灰色预测-20260801-060813.docx PDF · 110-GM(2,1)-灰色预测-20260801-060813.pdf
No.111 资料已配置

GreyMarkov-灰色 Markov 修正

用于建立灰色 Markov 修正,适合小样本或信息不完全条件下的趋势拟合与预测,可辅助查看模型拟合和预测结果;使用前应检查序列特征是否符合方法假设。

Word · 111-GreyMarkov-灰色 Markov 修正-20260801-060817.docx PDF · 111-GreyMarkov-灰色 Markov 修正-20260801-060817.pdf
No.112 资料已配置

NDGM-非齐次离散灰色

用于建立非齐次离散灰色,适合小样本或信息不完全条件下的趋势拟合与预测,可辅助查看模型拟合和预测结果;使用前应检查序列特征是否符合方法假设。

Word · 112-NDGM-非齐次离散灰色-20260801-060821.docx PDF · 112-NDGM-非齐次离散灰色-20260801-060821.pdf
No.113 资料已配置

Verhulst-灰色 Verhulst

用于建立灰色 Verhulst,适合小样本或信息不完全条件下的趋势拟合与预测,可辅助查看模型拟合和预测结果;使用前应检查序列特征是否符合方法假设。

Word · 113-Verhulst-灰色 Verhulst-20260801-060824.docx PDF · 113-Verhulst-灰色 Verhulst-20260801-060824.pdf
No.114 资料已配置

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。

Word · 114-BIRCH-BIRCH-20260801-065141.docx PDF · 114-BIRCH-BIRCH-20260801-065141.pdf
No.115 资料已配置

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。

Word · 115-DBSCAN-密度聚类-20260801-060832.docx PDF · 115-DBSCAN-密度聚类-20260801-060832.pdf
No.116 资料已配置

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。

Word · 116-FCM-模糊 C 均值-20260801-060835.docx PDF · 116-FCM-模糊 C 均值-20260801-060835.pdf
No.117 资料已配置

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。

Word · 117-GMM-高斯混合模型-20260801-060839.docx PDF · 117-GMM-高斯混合模型-20260801-060839.pdf
No.118 资料已配置

HDBSCAN-HDBSCAN

用于无监督聚类与样本分组,采用HDBSCAN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。

Word · 118-HDBSCAN-HDBSCAN-20260801-060843.docx PDF · 118-HDBSCAN-HDBSCAN-20260801-060843.pdf
No.119 资料已配置

Hierarchical-层次聚类

用于无监督聚类与样本分组,采用层次聚类发现数据结构、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。

Word · 119-Hierarchical-层次聚类-20260801-060846.docx PDF · 119-Hierarchical-层次聚类-20260801-060846.pdf
No.120 资料已配置

ISODATA-ISODATA

用于无监督聚类与样本分组,采用ISODATA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。

Word · 120-ISODATA-ISODATA-20260801-060854.docx PDF · 120-ISODATA-ISODATA-20260801-060854.pdf
No.121 资料已配置

Isomap-Isomap

用于降维与低维表示,采用Isomap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。

Word · 121-Isomap-Isomap-20260801-060857.docx PDF · 121-Isomap-Isomap-20260801-060857.pdf
No.122 资料已配置

KMeans-K-均值聚类

用于无监督聚类与样本分组,采用K-均值聚类发现数据结构、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。

Word · 122-KMeans-K-均值聚类-20260801-060901.docx PDF · 122-KMeans-K-均值聚类-20260801-060901.pdf
No.123 资料已配置

KMedoids-K-中心点

用于无监督聚类与样本分组,采用K-中心点发现数据结构、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。

Word · 123-KMedoids-K-中心点-20260801-060905.docx PDF · 123-KMedoids-K-中心点-20260801-060905.pdf
No.124 资料已配置

KPCA-核主成分

用于降维与低维表示,采用核主成分发现数据结构、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。

Word · 124-KPCA-核主成分-20260801-060909.docx PDF · 124-KPCA-核主成分-20260801-060909.pdf
No.125 资料已配置

LLE-局部线性嵌入

用于降维与低维表示,采用局部线性嵌入发现数据结构、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。

Word · 125-LLE-局部线性嵌入-20260801-060912.docx PDF · 125-LLE-局部线性嵌入-20260801-060912.pdf
No.126 资料已配置

MDS-多维尺度

用于降维与低维表示,采用多维尺度发现数据结构、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。

Word · 126-MDS-多维尺度-20260801-060916.docx PDF · 126-MDS-多维尺度-20260801-060916.pdf
No.127 资料已配置

MeanShift-MeanShift

用于无监督聚类与样本分组,采用MeanShift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。

Word · 127-MeanShift-MeanShift-20260801-060919.docx PDF · 127-MeanShift-MeanShift-20260801-060919.pdf
No.128 资料已配置

NMF-非负矩阵分解

用于降维与低维表示,采用非负矩阵分解发现数据结构、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。

Word · 128-NMF-非负矩阵分解-20260801-060923.docx PDF · 128-NMF-非负矩阵分解-20260801-060923.pdf
提取码已复制