目录1. 简单的判别分析_ 距离判别法2. Fisher判别分析/线性判别分析1. 简单的判别分析_ 距离判别法2. Fisher判别分析/线性判别分析

Kaggle传送门：点击打开链接这里仅列出前50个比赛，全部的271个比赛word版下载地址：正在进行的比赛1、Home Credit Default Risk利用各种替代数据（包括电信和交易信息）预测客户的还款能力。2、TrackML Particle TrackingChallengeCERN探测器中的高能物理粒子追踪。比赛中，要构建一种算法，以快速重建硅探测器中剩余三维点的粒子轨迹。3、Th

SOM自组织映射网络1. SOM简介1.1 SOM特征1.2 与其他ANN的区别1.3 竞争学习2. SOM的工作原理1. SOM简介自组织神经网络SOM（Self-organizing feature Map），它模拟人脑中处于不同区域的神经细胞分工不同的特点，即不同区域具有不同的响应特征，而且这一过程是自动完成的。1.1 SOM特征一种用于特征检测的无监督学习\color{red}{无监督学习

目录1. 均值插值法2. 回归插值法3. EM算法4. 多重插值1. 均值插值法均值插补是利用样本数据平均值或众数作为其替代值对数据进行插值。均值插补的插补值计算方程为：（1）其中，为是否回答的描述符号表示，表示“是”，表示“否”，是个数2. 回归插值法回归插值是根据样本中缺失变量和已得到变量构建回归方程，即根据已有的样本数据，对调查中目标变量的缺失值进行估算。构建自变量与目标变量Y的关系，且第个

目录1. 均值插值法2. 回归插值法3. EM算法4. 多重插值1. 均值插值法均值插补是利用样本数据平均值或众数作为其替代值对数据进行插值。均值插补的插补值计算方程为：（1）其中，为是否回答的描述符号表示，表示“是”，表示“否”，是个数2. 回归插值法回归插值是根据样本中缺失变量和已得到变量构建回归方程，即根据已有的样本数据，对调查中目标变量的缺失值进行估算。构建自变量与目标变量Y的关系，且第个

BP神经网络代码实现1. BP神经网络的简介和结构参数1.1 BP神经网络的结构组成1.2 BP神经网络训练界面的参数解读非常感谢博主wishes61的分享.1. BP神经网络的简介和结构参数一种按照误差逆向传播算法训练的多层前馈神经网络用于预测BP神经网络的计算过程：由正向计算过程和反向计算过程组成。正向传播过程，输入模式从输入层经隐单元层逐层处理，并转向输出层，每一层神经元的状态只影响下一层神

BP神经网络代码实现1. BP神经网络的简介和结构参数1.1 BP神经网络的结构组成1.2 BP神经网络训练界面的参数解读非常感谢博主wishes61的分享.1. BP神经网络的简介和结构参数一种按照误差逆向传播算法训练的多层前馈神经网络用于预测BP神经网络的计算过程：由正向计算过程和反向计算过程组成。正向传播过程，输入模式从输入层经隐单元层逐层处理，并转向输出层，每一层神经元的状态只影响下一层神