pdp：从R中的各种类型的机器学习模型构造部分依赖（即边际效应）图的通用框架

数据融合matlab代码

用于遥感时序数据的处理,可完成制图，三维处理等操作

周期方波在matlab中的代码使用MATLAB GUI可视化信号和系统的基本操作 使用MATLAB GUI，我制作了一个独立的可执行软件来计算和绘图以可视化信号的不同基本操作： 矩阵处理； 根据给定方程绘制三角形，矩形，锯齿波。 周期性（连续和离散）信号的移位，缩放和反转； 傅里叶级数可视化； 方波形成及相关的吉布斯现象。 增量，单位步长，斜坡和非周期性信号的移位，缩放和反转 傅里叶变换 采样，混叠和卷积 具有随机选择的卷号的组形成： 另外，我包括了用于从给定的卷号列表（用户给定的输入或Excel工作表输入）创建随机排序的组的代码； 输入滚动范围中的“仅奇数” /“仅偶数” /“所有滚动”可用于形成一组随机滚动，其中输入Excel文件的滚动编号可以按升序/降序/随机顺序排列，并将输出保存在具有数据形成日期时间的Excel文件的新工作表。 另外，我所做的音频处理很少，程序会在3个音频源文件中随机播放选定的音频，并且可以使用音频静音按钮将其静音。 完整的模拟视频链接： 从此链接下载.exe软件： 按照说明安装，享受 请不要侵犯版权。 工作样本： 软件主页： 信号的时移和缩放示例： 吉布斯现

strava_map 下载strava活动并为每种活动类型生成热图。 在一张地图上查看您所有的Strava活动数据，或者只是下载并保存您的活动数据以根据需要进行编辑。 安装 可以使用以下方法通过pip安装strava_map ： pip install strava-map 或直接从克隆的仓库运行 git clone https://github.com/tcramm0nd/strava_map.git 例子 from strava_map import Map m = Map () 初始运行时，系统将提示您输入客户端ID和客户端密钥。 这是为了授权该应用从Strava检索活动数据。 所有Strava密钥都存储在本地.credntials.json文件中。 通过导航到Settings > My API Application可以找到您的客户端ID和客户端密钥。 如果您尚未为API

可视化 prosper.com 借款人的状态 可视化、要点和 github 链接 可视化可以在这里看到： 。 概括 Prosper 是美国第一个市场借贷平台，拥有超过 80 亿美元的融资贷款。 了解更多信息，请访问 。 根据公布的贷款数据，我提取了每个州的贷款数量。 [数据/borrower_states.csv]。 公司应该关注贷款数量较多的州，但是如果这些州的人口数量已经非常多怎么办！为此，我创建了一个名为“score”的新变量来给每个州一个分数，这个分数的计算方式是对每个州的 (loans/population) 和 (loans/total_loans) 求和，然后将这些值映射到 0 到 1 之间的值。 因此得分较高的州意味着这些州的贷款数量和人口数量都很高，值得关注。 ->如下图所示，加利福尼亚州、伊利诺伊州和佐治亚州三个州的得分高于0.7，此外，还有18个州的得分高于0

可视化神经网络的决策边界 目的 在这里，我将使用Keras实现示例神经网络，并向您展示神经网络如何随着时间学习。 讲解 我写了一篇详尽的博客文章来解释代码，您可以在找到。 所需的Python库 凯拉斯 斯克莱恩 脾气暴躁的 Matplotlib 操作系统 数据集 结果

Tensorflow中的深度嵌入聚类（DEC） 的Tensorflow实现。 安装 >>> pip3 install -r requirements.txt 训练 usage: train.py [-h] [--batch-size BATCH_SIZE] [--gpu-index GPU_INDEX] optional arguments: -h, --help show this help message and exit --batch-size BATCH_SIZE Train Batch Size --gpu-index GPU_INDEX GPU Index Number 可视化 inference.py返回潜在表示形式（$ z $），并导出z.t

Geneview：用于基因组数据可视化的python软件包 Geneview是基于matplotlib的Python可视化库。 它提供了用于绘制有吸引力的基因组图形的高级界面。 现在它正在积极开发。 文献资料 例子 我们使用存储库中的数据集GOYA_preview作为以下图的输入。 这是GOYA_preview的格式预览： 曼哈顿情节的基本示例。 import matplotlib.pyplot as plt import geneview as gv df = gv.util.load_dataset('GOYA_preview') # df is DataFrame of pand

数据透视表 pivottabler程序包使只需几行R即可创建枢轴表。 该数据pivottabler软件包旨在： 提供一种创建数据透视表的简便方法，而无需用户指定低级布局逻辑。 提供多种指定计算逻辑的方式，以满足简单和更复杂的要求。 提供样式选项，以便可以根据需要对数据透视表进行主题/品牌化。 数据透视表的所有计算都在R内部进行，从而可以在计算逻辑中使用多种R函数。 数据透视表呈现为htmlwidgets，Latex或纯文本。 可以导出HTML / Latex / text，以在R之外使用。 数据透视表可以转换为标准R矩阵或数据框。 数据透视表可以导出到Excel。 数据透视表也