我的专栏《NLP算法实战》https://mp.csdn.net/mp_blog/manage/column/columnManage/12584253中第4章 文本分类与情感分析算法 用到的数据。 文本分类和情感分析是自然语言处理(NLP)中常见的任务,它们可以用于将文本数据归类到不同的类别或者分析文本中的情感极性。在本章的内容中,将详细讲解在自然语言处理中使用文本分类和情感分析算法的知识。
2024-05-26 21:15:45 108.47MB 数据集
1
10万条数据。家庭用电数据。有功、无功、电压、电流等数据。用于电力居民负荷预测
2024-05-25 19:25:24 126.8MB 数据集
基于LSTM(Long Short-Term Memory)模型的股票预测模型是一个应用深度学习技术来分析和预测股票市场走势的工具。该模型特别适用于处理和预测时间序列数据,能够学习股票价格随时间变化的复杂模式。 此Python资源包含一个完整的LSTM模型实现,适用于金融分析师和机器学习爱好者。它提供了从数据预处理、模型设计、训练到预测的全流程代码。用户可以利用这个模型来提高对股票市场动态的理解,以及对潜在投资机会的把握。 资源中还包含了用于训练模型的示例数据集,以及一个详细的使用教程,指导用户如何配置和运行模型,如何调整超参数以优化预测性能。此外,文档还涉及了模型评估的常用指标,帮助用户了解模型的预测准确性。 使用此模型时,用户应意识到股市存在不确定性,模型预测不能保证投资成功。此外,用户应遵守相关法律法规,合理使用该工具,并尊重数据来源的版权和使用条款。这个资源是金融科技领域探索者和实践者提升技能、深入了解机器学习在金融领域应用的宝贵资料。
2024-05-25 13:26:14 965KB python 深度学习 lstm 数据集
1
Logic2Text 数据 在数据集文件夹中,我们具有完整的数据集(all_data.json)和火车测试拆分(train.json,valid.json,test.json)。 每个示例均采用以下格式的词典: "topic": table caption, "wiki": link to the wikipedia page, "action": logic type, "sent": description, "annotation": raw annotation data from the mturk, "logic": logic form, "logic_str": linearized logic form, "nid": number of fuction nodes, "table_header":
2024-05-24 22:37:43 15.51MB HTML
1
深度学习中的MNIST数据集,已打包,内有训练和测试数据,节省大家从官网下载的时间。
2024-05-24 20:56:08 11.06MB MNIST
1
包含693张图片PCB电路板缺陷的图片,已标注为voc xml和YOLO txt格式两种格式的标签。缺陷类别包含六种:missing_hole,mouse_bite,open_circuit,short,spurious_copper,spur
2024-05-24 20:31:17 907.68MB 数据集 缺陷检测 YOLO 深度学习
1
2003-2020年高铁线路、列车、开通时间数据.zip
2024-05-24 11:06:43 3.53MB 数据集
Amazon广告分析数据集
2024-05-23 18:57:41 122KB python
1
1)转换成yolo txt格式的数据集; 2) 开箱即用的CCTSDB yolov8源码;
2024-05-23 18:49:33 130B 数据集
1
SOLAR-STORM2: Solar Flare Forecasting solar storm.xlsx
2024-05-23 16:56:52 7KB 数据集
1