【培训】Python统计技术在企业供应链大数据中的实战应用

培训主题：Python统计技术在企业供应链大数据中的实战应用课程目标：深入了解Python如何在纷繁复杂的企业系统中应用了解统计学如何在企业中的应用深入了解B/S架构的企业应用如何实现了解一...

质量管理异常判定方法（SPC统计过程控制整合机器学习算法）

12月13日应用没有评论 kmean,K均值,spc,SVM,判异规则,孤立森林,异常判定,支持向量机,机器学习,统计过程控制,聚类

大家都很清楚SPC的中文叫统计过程控制，它的作用是发现过程数据中的异常行为，SPC有8种以上的判异规则，每一中判异规则对应可能的异常原因，非常实用。并且我们在传统的SPC的基础上，又对SPC进行了一些创新，可以...

10月26日应用 1条评论 spc,判定规则,判异规则,实施SPC,控制图,管控图,统计过程控制,解决方案,质量分析,质量改善,质量管理

发明了几十年的SPC控制图，基本上没有什么创新的了，大家都是用minitab慢慢的去做分析图，效率低下也没有任何新的东西。最近一直在想，一个异常点，它可能同时满足多个异常判定规则，如它是一个远离3倍标准差...

09月12日应用 1条评论 LCL,spc,UCL,判定规则,实施SPC,控制图,管控图,统计过程控制,解决方案,质量分析

简单说说SPC，SPC控制图建立在数理统计学的基础上，把统计学中的“发现异常”作为控制生产过程中的一种工具。因此，“发现异常”成为SPC控制图的基础。它利用有效数据建立控制界限，一般分上控制限（UCL）和下控制限...

08月10日应用没有评论 scikit-learn,sklearn,SVM,分类回归,学习曲线,支持向量机,机器学习,模型训练

支持向量机（SVM）广泛应用于模式分类和非线性回归领域。 SVM算法的原始形式由Vladimir N.Vapnik和Alexey Ya提出。自从那以后，SVM已经被巨大地改变以成功地用于许多现实世界问题。 1.什么是支持向量机（SVM）？...

08月05日应用 1条评论 scikit-learn,sklearn,回归,多项式回归,学习曲线,机器学习,模型训练,泛化

本文介绍了多项式回归的过拟合和欠拟合、泛化能力和学习曲线，通过对比测试集和验证集的MSE的学习曲线，判断拟合是过拟合还是欠拟合，寻找到最合适的模型。高阶多项式回归对训练数据的拟合，可能会比简单线性...

07月12日应用没有评论 numpy,python,可视化,图解,数组,矩阵

NumPy包是python生态系统中数据分析、机器学习和科学计算的主力。它极大地简化了向量和矩阵的操作。Python的一些主要软件包依赖于NumPy作为其基础架构的基础部分（例如scikit-learn、SciPy、pandas和tensorf...

07月08日应用 1条评论 Pipeline,scikit-learn,sklearn,回归,多项式回归,机器学习,标准化,模型训练,特征转换

如果数据比简单的直线更为复杂，我们也可以用线性模型来拟合非线性数据。一个简单的方法就是将每一个特征的幂次方添加为一个新的特征，然后在这个拓展的特征集上进行线性拟合，这种方法成为多项式回归。回归...

07月04日应用没有评论 MSE,scikit-learn,sklearn,statsmodels,均方误差,成本函数,机器学习,梯度下降,线性回归

线性回归模型就是对输入特征加权求和，再加上一个我们称为偏置项（截距）的常数，以此进行预测。它反映的是每一个特征对因变量的影响方向（\(θ\)值的正负）和影响力（\(θ\)的绝对值大小）。 1. 模型说明 ...

07月02日应用没有评论机器学习,机器学习分类

现有的机器学习种类繁多，我们一般可以进行如下的分类标准：是否在人类监督下学习（监督学习、非监督学习、半监督学习和强化学习）是否可以动态的增量学习（在线学习和批量学习）是简单的将新...