版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
机器学习及其应用教材教辅教材教辅机器学习课程：学习层次
第一章：机器学习概述（目录）1.1引例1.2机器学习基本概念
1.3机器学习算法分类1.4机器学习集成开发环境1.5Sklearn简介1.6数据预处理第一章：引例（鸢尾花分类预测）
第一章：引例（鸢尾花分类预测）
第一章：引例（鸢尾花分类预测）
第一章：引例（鸢尾花分类预测）
第一章：引例（鸢尾花分类预测）
第一章：引例（鸢尾花分类预测）
第一章：引例（糖尿病风险预测）
第一章：引例（糖尿病风险预测）
第一章：引例（糖尿病风险预测）
第一章：引例（糖尿病风险预测）
第一章：引例（糖尿病风险预测）
第一章：引例（中国城市聚类分析）
第一章：引例（中国城市聚类分析）
第一章：引例（医院医疗质量评价）
第一章：引例（医院医疗质量评价）
第一章：引例（医院医疗质量评价）
第一章：机器学习基本概念第一章：机器学习基本概念第一章：机器学习基本概念第一章：机器学习基本概念第一章：机器学习基本概念第一章：机器学习算法分类第一章：机器学习算法分类第一章：机器学习算法分类第一章：机器学习集成开发环境第一章：机器学习集成开发环境第一章：Sklearn简介第一章：Sklearn简介第一章：数据预处理第一章：数据预处理第一章：数据预处理第一章：数据预处理第一章：数据预处理第一章：数据预处理第一章学习完毕!感谢您的聆听，
黑发不知勤学早，白首方悔读书迟！
第一章：问题互动环节
机器学习及其应用教材教辅教材教辅第二章：K近邻算法（目录）2.1找到近邻2.2K近邻分类
2.3K近邻回归2.4K近邻算法的优缺点2.4K近邻算法的改进第二章：K近邻算法（找到近邻）
第二章：K近邻算法（找到近邻）
第二章：K近邻算法（找到近邻）
第二章：K近邻算法（找到近邻）
第二章：K近邻算法（K近邻分类）
第二章：K近邻算法（K近邻分类）
图2-1K近邻算法示意图第二章：K近邻算法（K近邻分类）
第二章：K近邻算法（K近邻分类）
第二章：K近邻算法（K近邻分类）
第二章：K近邻算法（K近邻分类）
图2-2K近邻样本不均示意图第二章：K近邻算法（K近邻分类）
第二章：K近邻算法（K近邻回归）
第二章：K近邻算法（优缺点）
第二章：K近邻算法（改进）
第二章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第二章：问题互动环节
机器学习及其应用教材教辅教材教辅第三章：模型评估与选择（目录）3.1评估方法3.2性能度量
3.3比较检验3.4偏差与方差第三章：模型评估与选择（评估方法）
第三章：模型评估与选择（评估方法）
第三章：模型评估与选择（评估方法）
第三章：模型评估与选择（留出法）
第三章：模型评估与选择（留出法）
第三章：模型评估与选择（留出法）
第三章：模型评估与选择（留出法）
第三章：模型评估与选择（交叉验证）
第三章：模型评估与选择（交叉验证）
第三章：模型评估与选择（交叉验证）
第三章：模型评估与选择（交叉验证）
第三章：模型评估与选择（自助采样）
第三章：模型评估与选择（自助采样）
第三章：模型评估与选择（自助采样）
第三章：模型评估与选择（性能度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（回归度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（分类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（聚类度量）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（比较检验）
第三章：模型评估与选择（偏差方差）
第三章：模型评估与选择（偏差方差）
第三章：模型评估与选择（偏差方差）
第三章学习完毕!感谢您的聆听，黑发不知勤学早，白首方悔读书迟！
第三章：问题互动环节
机器学习及其应用教材教辅教材教辅第四章：朴素贝叶斯（目录）4.1引例4.2条件概率与乘法公式
4.3朴素贝叶斯分类4.4拉普拉斯修正4.5基于朴素贝叶斯的电能质量评价第四章：朴素贝叶斯（引例）
第四章：朴素贝叶斯（引例）
第四章：朴素贝叶斯（引例）
第四章：朴素贝叶斯（条件概率）
第四章：朴素贝叶斯（条件概率）
第四章：朴素贝叶斯（乘法公式）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（分类）
第四章：朴素贝叶斯（拉普拉斯修正）
第四章：朴素贝叶斯（拉普拉斯修正）
第四章：朴素贝叶斯（拉普拉斯修正）
第四章：朴素贝叶斯（案例分析）
第四章：朴素贝叶斯（案例分析）
第四章：朴素贝叶斯（案例分析）
第四章：朴素贝叶斯（案例分析）
第四章：朴素贝叶斯（案例分析）
第四章：朴素贝叶斯（案例分析）
第四章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第四章：问题互动环节
机器学习及其应用教材教辅教材教辅第五章：线性回归及其改进（目录）5.1引例5.2线性回归
5.3岭回归、Lasso回归以及弹性网络回归5.4主成分回归5.5偏最小二乘回归5.6贝叶斯回归5.7高斯过程回归第五章：线性回归及其改进（引例）
第五章：线性回归及其改进（引例）
第五章：线性回归及其改进（引例）
第五章：线性回归及其改进（引例）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（原理）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（改进）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（贝叶斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章：线性回归及其改进（高斯）
第五章学习完毕!感谢您的聆听，
黑发不知勤学早，白首方悔读书迟！
第五章：问题互动环节
机器学习及其应用教材教辅教材教辅第六章：逻辑回归（目录）6.1样本联合分布函数6.2极大似然估计
6.3逻辑回归原理6.4逻辑回归的拓展6.5基于逻辑回归的信用卡欺诈检测
第六章：逻辑回归（分布函数）
第六章：逻辑回归（分布函数）
第六章：逻辑回归（分布函数）
第六章：逻辑回归（分布函数）
第六章：逻辑回归（极大似然估计）
第六章：逻辑回归（极大似然估计）
第六章：逻辑回归（极大似然估计）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归原理）
第六章：逻辑回归（逻辑回归拓展）
第六章：逻辑回归（逻辑回归拓展）
第六章：逻辑回归（逻辑回归拓展）
第六章：逻辑回归（逻辑回归拓展）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章：逻辑回归（信用卡欺诈检测）
第六章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第六章：问题互动环节
机器学习及其应用教材教辅教材教辅第七章：神经网络（目录）7.1神经网络简介7.2多层感知机
7.3
神经网络实践
第七章：神经网络（简介）
第七章：神经网络（简介）
第七章：神经网络（简介）
第七章：神经网络（简介）
第七章：神经网络（简介）
第七章：神经网络（分类）
第七章：神经网络（分类）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（回归）
第七章：神经网络（分类）
第七章：神经网络（分类）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章：神经网络（实践）
第七章学习完毕!感谢您的聆听，黑发不知勤学早，白首方悔读书迟！
第七章：问题互动环节
机器学习及其应用教材教辅教材教辅第八章：支持向量机（目录）8.1支持向量机简介8.2支持向量机分类
8.3支持向量机回归8.4非线性支持向量机
第八章：支持向量机（简介）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（分类）
第八章：支持向量机（回归）
第八章：支持向量机（回归）
第八章：支持向量机（非线性）
第八章：支持向量机（非线性）
第八章：支持向量机（非线性）
第八章：支持向量机（非线性）
第八章：支持向量机（非线性）
第八章：支持向量机（非线性）
第八章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第八章：问题互动环节
机器学习及其应用教材教辅教材教辅第九章：决策树（目录）9.1引例9.2条件熵和信息增益
9.3ID3与C4.5决策树9.4分类与回归树9.5决策树的实践
第九章：决策树（引例）
第九章：决策树（引例）
第九章：决策树（引例）
第九章：决策树（引例）
第九章：决策树（引例）
第九章：决策树（条件熵）
第九章：决策树（条件熵）
第九章：决策树（条件熵）
第九章：决策树（条件熵）
第九章：决策树（条件熵）
第九章：决策树（条件熵）
第九章：决策树（信息增益）
第九章：决策树（信息增益）
第九章：决策树（信息增益）
第九章：决策树（信息增益）
第九章：决策树（ID3决策树）
第九章：决策树（ID3决策树）
第九章：决策树（C4.5决策树）
第九章：决策树（C4.5决策树）
第九章：决策树（C4.5决策树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（分类与回归树）
第九章：决策树（实践）
第九章：决策树（实践）
第九章：决策树（实践）
第九章学习完毕!感谢您的聆听，黑发不知勤学早，白首方悔读书迟！
第九章：问题互动环节
机器学习及其应用教材教辅教材教辅第十章：集成学习（目录）10.1引例10.2常见的集成学习方法10.3随机森林与极端随机树10.4梯度提升决策树10.5极限梯度提升树10.6轻量梯度提升树10.7类别型特征梯度提升树10.8组合策略
第十章：集成学习（引例）
第十章：集成学习（引例）
第十章：集成学习（引例）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（集成学习方法）
第十章：集成学习（随机森林）
第十章：集成学习（极端随机树）
第十章：集成学习（梯度提升决策树）
第十章：集成学习（梯度提升决策树）
第十章：集成学习（极限梯度提升树）
第十章：集成学习（极限梯度提升树）
第十章：集成学习（轻量梯度提升树）
第十章：集成学习（轻量梯度提升树）
第十章：集成学习（CatBoost）
第十章：集成学习（CatBoost）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章：集成学习（组合策略）
第十章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第十章：问题互动环节
机器学习及其应用教材教辅教材教辅第十一章：特征选择与提取（目录）11.1特征选择11.2特征提取
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（选择）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章：特征选择与提取（提取）
第十一章学习完毕!感谢您的聆听，黑发不知勤学早，白首方悔读书迟！
第十一章：问题互动环节
机器学习及其应用教材教辅教材教辅第十二章：K均值聚类（目录）12.1聚类简介12.2K均值聚类
12.3K均值聚类的优缺点第十二章：K均值聚类（聚类算法分类）
第十二章：K均值聚类（聚类算法分类）
第十二章：K均值聚类（聚类算法分类）
第十二章：K均值聚类（聚类注意事项）
第十二章：K均值聚类（聚类思想）
第十二章：K均值聚类（聚类思想）
第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-1聚类数据可视化图第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
12-2初始聚类中心第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-3第一次更新之后的聚类中心和聚类结果第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-4第二次更新之后的聚类中心和聚类结果第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-5第三次更新之后的聚类中心和聚类结果第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-6第四次更新之后的聚类中心和聚类结果第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（聚类实例分析）
图12-7第十次更新之后的聚类中心和聚类结果第十二章：K均值聚类（聚类实例分析）
第十二章：K均值聚类（优缺点）
第十二章：K均值聚类（优缺点）
第十二章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第十二章：问题互动环节
机器学习及其应用教材教辅教材教辅第十三章：高斯混合模型（目录）13.1高斯分布13.2高斯混合模型
13.3高斯混合模型的优缺点第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯分布）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（高斯聚类）
第十三章：高斯混合模型（优缺点）
第十三章：高斯混合模型（优缺点）
第十三章学习完毕!感谢您的聆听，
黑发不知勤学早，白首方悔读书迟！
第十三章：问题互动环节
机器学习及其应用教材教辅教材教辅第十四章：谱聚类（目录）14.1图的基本概念14.2谱聚类
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（基本概念）
第十四章：谱聚类（思想）
第十四章：谱聚类（思想）
第十四章：谱聚类（思想）
第十四章：谱聚类（构建邻接矩阵）
第十四章：谱聚类（构建邻接矩阵）
第十四章：谱聚类（无向图切图）
第十四章：谱聚类（无向图切图）
第十四章：谱聚类（无向图切图）
第十四章：谱聚类（无向图切图）
第十四章：谱聚类（无向图切图）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（RatioCut）
第十四章：谱聚类（NCutt）
第十四章：谱聚类（NCut）
第十四章：谱聚类（NCut）
第十四章：谱聚类（NCut）
第十四章：谱聚类（NCut）
第十四章：谱聚类（流程）
第十四章：谱聚类（实例）
第十四章学习完毕!感谢您的聆听，三更灯火五更鸡，正是男儿读书时！
第十四章：问题互动环节
机器学习及其应用教材教辅教材教辅第十五章：综合评价方法（目录）15.1综合评价简介15.2逼近理想解排序法
15.3指标权重计算方法第十五章：综合评价方法（简介）
第十五章：综合评价方法（简介）
第十五章：综合评价方法（简介）
第十五章：综合评价方法（TOPSIS）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（指标正向化）
第十五章：综合评价方法（无量纲化）
第十五章：综合评价方法（确定理想解）
第十五章：综合评价方法（计算距离）
第十五章：综合评价方法（计算评分）
第十五章：综合评价方法（权重计算）
第十五章：综合评价方法（权重计算
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025-2026学年一年级找规律说课稿小学
- 2025-2026学年一年级数学说课稿苏教版
- 人教版三年级上册第一单元 观察物体 提优测试卷
- 2025-2026学年后青山绘画说课稿
- 2025-2026学年大班消防说课稿绘画
- 2025-2026学年动物笑谈说课稿朗读
- 2025-2026学年安徽初中语文说课稿
- 2026下半年下半年初中道法教资面试时事真题
- 2026下半年初中物理教资面试力学模拟
- 2025-2026学年古诗吟诵说课稿
- 2026年水产兽医职业认知试题及答案
- 2026年公务员考试《行测》真题试卷及答案
- 2026年部编版新教材语文四年级上册全册单元、期中、期末测试题及答案（共10套试题）
- 小学经费开支审批制度
- 2026年苏少版二年级美术下册（全册）教学设计（附目录）
- 卫生院婚丧嫁娶制度
- 2025地氟醚临床应用与实践专家意见解读课件
- 聘用电竞战队合同协议2025
- 2025《青光眼患者眼表炎症管理的专家共识建议》
- GB/T 31439.1-2025波形梁钢护栏第1部分：两波形梁钢护栏
- 2025年度陕西煤业化工集团有限责任公司高校毕业生招聘294人笔试参考题库附带答案详解
评论
0/150
提交评论