原文链接：http://tecdat.cn/?p=2783引言我国经济高速发展，个人信贷业务也随着快速发展，而个人信贷业务对提高内需，促进消费也有拉动作用。有正必有反，在个人信贷业务规模不断扩大的同时，信贷的违约等风险问题也日益突出，一定程度上制约着我国的信贷市场的健康发展。挑战近年来，个人消费贷款的类型呈现出多元化的变化与发展，由原本的单一贷款种类发展到今天各式各样的贷款种类，汽车按揭贷款，教育

原文链接：http://tecdat.cn/?p=4012我们以R语言抓取的推特数据为例，对数据进行文本挖掘，进一步进行情感分析，从而得到很多有趣的信息。找到推特来源是苹果手机或者安卓手机的样本,清理掉其他来源的样本。tweets%select(id,statusSource,text,created)%>%extract(statusSource,"source","Twitterfor(.*?

【原创】附代码数据有问题到淘宝找“大数据部落”就可以了python机器学习回归实例代码1.问题介绍

原文链接：http://tecdat.cn/?p=2175/need-to-insert-img案例1早在1995年比尔·盖茨就在《未来之路》里说过：未来没有配套智能家居的房子，就是毛坯房。当你还在纠结“人工智能”安利值不值得吃，最近不少朋友家里又出现智能门锁，相比传统门锁来说，究竟能有多智能？need-to-insert-img早在1995年比尔·盖茨就在《未来之路》里说过：未来没有配套智能家居

原文链接：http://tecdat.cn/?p=2783新常态下银行信贷风险预警之道基于决策树银行信贷用户分类引言业务背景我国经济高速发展，个人信贷业务也随着快速发展，而个人信贷业务对提高内需，促进消费也有拉动作用。有正必有反，在个人信贷业务规模不断扩大的同时，信贷的违约等风险问题也日益突出，一定程度上制约着我国的信贷市场的健康发展。挑战近年来，个人消费贷款的类型呈现出多元化的变化与发展，由原本

原文链接：http://tecdat.cn/?p=2784原文出处：拓端数据部落公众号之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》，主要是预测即将被ST的股票，虽然有些标题党，但是还有有一些参考价值的。文章中使用了净利润指标来对可能成为ST的股票进行排雷，那么是否有其他指标可以用机器学习的方法对该问题进行建模同时提高预测的准确度呢?首先我们来了解下问题的背景：股票市场上，一般把财务状

原文链接http://tecdat.cn/?p=1130如今DT(Datatechnology)时代，数据变得越来越重要，其核心应用”预测“也成为互联网行业以及产业变革的重要力量。对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。业务挑战针对服装这类的时尚产业的客户需求，我们参考ZARA，

原文链接：http://tecdat.cn/?p=4012我们以R语言抓取的推特数据为例，对数据进行文本挖掘，进一步进行情感分析，从而得到很多有趣的信息。找到推特来源是苹果手机或者安卓手机的样本,清理掉其他来源的样本。tweets%select(id,statusSource,text,created)%>%extract(statusSource,"source","Twitterfor(.*?

原文链接：http://tecdat.cn/?p=4012我们以R语言抓取的推特数据为例，对数据进行文本挖掘，进一步进行情感分析，从而得到很多有趣的信息。找到推特来源是苹果手机或者安卓手机的样本,清理掉其他来源的样本。tweets%select(id,statusSource,text,created)%>%extract(statusSource,"source","Twitterfor(.*?

转载自：【大数据部落】文本挖掘：LDA模型对公号文章主题分析@tecdat拓端原文链接：http://tecdat.cn/?

原文链接：http://tecdat.cn/category/大数据部落/Objection：We attemptstoexploretherelationshipbetweendifferentdemographicfactorstocrimerate

原文链接http://tecdat.cn/?p=1474Homeapplianceindustryandconsumerupgradesquietlyunfolded.Thischangeinthemarketsothatconsumerexpectationsofhouseholdappliancesisnolongerjustasimplefunctiontomeet,butmoredetai

原文链接：http://tecdat.cn/?p=4012美国调查公司盖洛普公司(Galluppollfound)民调显示，至少51%美国人不赞同总统特朗普的政策。据外媒报道，特朗普上任8天以来引发51%美国人的不满，42%美国人赞同新总统的政策。该项调查共有1500名成年美国人，误差为3%。为了验证美国民众的不满情绪，我们以R语言抓取的特朗普推特数据为例，对数据进行文本挖掘，进一步进行情感分析，

大数据部落-中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务统计分析和数据挖掘咨询服务：y0.cn/teradat（咨询服务请联系官网客服）QQ：3025393450QQ交流群

原文链接：http://tecdat.cn/category/大数据部落/Objection：We attemptstoexploretherelationshipbetweendifferentdemographicfactorstocrimerate

参考原文http://tecdat.cn/?p=4525在很多情况下，我们需要在外部环境中直接调用软件来执行某个脚本，而不需要进入软件的交互界面，这样被称为非交互方式，通过这种方式可以方便快捷地执行脚本语句达到输出结果的目的。r软件也不例外，外部调用有很多方法，其中一种被称为BatchProcessing的方法，可以通过windows或者linux中的CMD运行脚本然后将结果传送输出到另一个out

参考原文业务背景电子邮件的应用变的十分广泛，它给人们的生活带来了极大的方便，然而，作为其发展的副产品——垃圾邮件，却给广大用户、网络管理员和ISP(Internet服务提供者)带来了大量的麻烦。垃圾邮件问题日益严重，受到研究人员的广泛关注。垃圾邮件通常是指未经用户许可，但却被强行塞入用户邮箱的电子邮件。对于采用群发等技术的垃圾邮件，必须借助一定的技术手段进行反垃圾邮件工作。目前，反垃圾邮件技术主要

参考原文人们对于电力的需求与依赖随着生活水平的提高而不断加深，用电负荷预测工作开始变得越来越重要，如果可以发现用电负荷的规律性，我们就可以合理安排用电负荷。我们使用某商业物业两个星期的电耗数据进行分析。GAM模型当因变量和自变量不呈线性关系时,可用广义相加模型（GAM）。GAM模型的优点，在于其解决响应变量与预测因子间的高度非线性和非单调关系方面的突出能力，是一种基于数据的模型（data-driv

原文链接http://tecdat.cn/?p=1130如今DT（数据技术）时代，数据变得越来越重要，其核心应用“预测”也成为互联网行业以及产业变革的重要力量。对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。视频：机器学习助推精准销量预测part1业务挑战扎对，将产品粗略分为：基本款和时

原文链接：http://tecdat.cn/?p=2783新常态下银行信贷风险预警之道基于决策树银行信贷用户分类引言业务主页背景我国经济高速发展，个人信贷业务也随着快速发展，而个人信贷业务对提高内需，促进消费也有拉动作用。有正必有反，在个人信贷业务规模不断扩大的同时，信贷的违约等风险问题也日益突出，一定程度上制约着我国的信贷市场的健康发展。挑战近年来，个人消费贷款的类型呈现出多元化的变化与发展，由

案例1：原文链接：http://tecdat.cn/?p=3825互联网+下不同时空如何建立合适的指标分析出租车“供求匹配”的程度？由于出租车供求匹配，以及一系列的补贴方案涉及到可行性的问题，我们采用出租车轨迹数据做出相应的解答。（数据样例可参考原文）出租车上下客高峰期查看不同城市的出租车上下客高峰期的时间段。从深圳市的上下车比例来看，凌晨左右有一定的客流量，到6点之前是客流量的低谷。到早上9点左

原文链接http://tecdat.cn/?p=1370IntheInternetage,dataisthemostvaluableresource,bigdatatoleadthetraditionalindustries,gavebirthtonewvitality.Almostallindustriesareembracinglargedata,thesportsindustryisalso

原文链接：http://tecdat.cn/?p=5521DatabackgroundAtelephonecompanyisinterestedindeterminingwhichcustomercharacteristicsareusefulforpredictingchurn,customerswhowillleavetheirservice.ThedatasetisChurn.Thefiel

原文链接http://tecdat.cn/?p=2623和宏观经济数据不同，金融市场上多为高频数据，比如股票收益率序列。直观的来说，后者是比前者“波动”更多且随机波动的序列，在一元或多元的情况下，构建Copula函数模型和GARCH模型是最好的选择。多元GARCH家族中，种类非常多，需要自己多推导理解，选择最优模型。本文使用R软件对3家上市公司近十年的每周收益率为例建立模型。首先我们可以绘制这三个