持续不定期更新中,只要在目录中就是在写作计划中了,欢迎收藏,该目录内容下永不收费。
-快怿 24-11-8
章节1:数据预处理
1.1归一化&标准化
基础的归一化方法
正太标准变化(Standard Normal Variate,SNV)
Box-Cox变换
分数阶导数求导(Fractional Derivative)
Savitzky-Golay(SG)信号平滑
1.2 数据异常值检验
拉依达检验法(3σ准则)
蒙特卡洛方法(Monte Carlo method)
章节2:数据分析
2.1差异量化&聚类效果
显著性检验
K-mean聚类
基于密度的空间聚类算法(**Density-Based Spatial Clustering of Applications with Noise,**DBSCAN)
滑动窗口的聚类算法(Mean Shift)
层次聚类
聚类评价内部指标:轮廓系数SC(Silhouette Coefficient)、Davies-Bouldin指数、方差比注则CHI(Calinski-Harabasz Index)
聚类评价外部指标:Adjusted Rand Index(ARI),Fowlkes-Mallows Index(FMI),列联矩阵(contingency matrix)
2.2 相关性分析
皮尔逊相关系数分析
2.3 特征算法&降维
主成分分析 PCA
Matlab PCA作图代码演示
RelieF与RelieFF算法
竞争自适应重加权(Competitive Adaptive Reweighted Sampling, CARS)
连续投影算法(Successive Projections Algorithm, SPA)
黏液霉菌算法(Slime Mould Algorithm, SMA)
2.4 数据解耦算法&数据校正方法
外部正交参数校正(External Parameter Orthogonalization,EPO)
正交信号校正算法(Orthogonal Signal Correction,OSC)
2.5数值映射
傅里叶变化与小波变化
马尔可夫链
稀疏字典学习:K-SVD
章节4:经典机器学习模型
朴素贝叶斯模型
K近邻算法
最小二乘法LS(Least Squares )与偏最小二乘法PLS(Partial Least Squares )
支持向量机SVM(Support Vector Machine)与最小二乘支持向量机LSSVM
集成学习
章节5 经典卷积深度学习模型CNN
5.1基础理论数学详解+手搓复现
经典CNN常见网络结构的数学表达式及其作用
深度学习训练过程详解与反向传播的构建
深度学习的训练优化器
模型训练细节
如何训练多个数据源输入的多源模型
5.2模块介绍
SE注意模块
5.3模型理论与复现代码
AlexNet与深度学习入门
空洞卷积网络&与空洞卷积模块
残差卷积网络ResNet
EfficientNet与复合缩放理论
PCA-EfficientNet:EifficientNet-OB系列
一维卷积神经网络设计
章节6 生产对抗网络 (Generative Adversarial Network,GAN)