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 29 个算法 · 已配置资料 28 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.002 资料已配置

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。

Word · 2-主成分分析PCA-20260801-062603.docx PDF · 2-主成分分析PCA-20260801-062603.pdf
No.015 资料整理中

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。

资料整理中 算法详情
No.064 资料已配置

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。

Word · 64-LDA-主题模型-20260801-062945.docx PDF · 64-LDA-主题模型-20260801-062945.pdf
No.066 资料已配置

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。

Word · 66-NMF_Topic-NMF 主题模型-20260801-062953.docx PDF · 66-NMF_Topic-NMF 主题模型-20260801-062953.pdf
No.072 资料已配置

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。

Word · 72-Top2Vec-主题模型-20260801-070147.docx PDF · 72-Top2Vec-主题模型-20260801-070147.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