SQL数据科学基础
笔记和练习SQL | Coursera专业化| UCDavis
课程1：SQL for Data Science
本课程包含4个模块：
SQL入门和选择与检索数据
使用SQL过滤，排序和计算数据
SQL中的子查询和联接
使用SQL修改和分析数据
2021-10-30 17:43:31
2KB
1
MatrixProfile
MatrixProfile是Matrix Profile Foundation为您提供的Python 3库，用于挖掘时间序列数据。 Matrix Profile是一种新颖的数据结构，具有由UC-Riverside的Keogh和Mueen研究小组和新墨西哥大学开发的相应算法（踩踏，体制，主题等）。 该库的目的是通过标准化核心概念，简化的API和合理的默认参数值，使新手和专家都可以使用这些算法。
除了此Python库之外，Matrix Profile Foundation还提供了其他语言的实现。 这些语言具有相当一致的API，使您可以轻松地在它们之间进行切换，而无需花费大量学习时间。
tsmp -R实现
go-matrixprofile -Golang实现
Python支持
当前，我们支持以下版本的Python：
3.5
3.6
3.7
3.8
3
2021-10-29 18:50:30
4.38MB
1
用关键字捕捉推文
通过该项目，您可以使用Twitter API使用输入的单词和日期从API中提取数据。
输出示例
入门
这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。
先决条件
Python 2.7和Pip
正在安装
git clone https://github.com/dogukanayd/Catch-Tweet-with-Keyword.git
cd Catch-Tweet-with-Keyword
pip install -r requirements.txt
在settings.py中输入您自己的密钥
YOUR_CONSUMER_KEY = 'Y
2021-10-26 11:21:03
178KB
1
最佳实践
在材料信息学研究中应该（也应该不）做的事情。
这是一个知识库，其中包含与出版物“材料科学家的机器学习：最佳实践入门指南”相关的Python代码和Jupyter笔记本。
包括这些笔记本是为了说明按照最佳实践创建的假设的材料科学机器学习项目。 该项目的目标是在给定化学成分和条件（测量温度）的情况下预测材料的热容量。
要阅读制作这些笔记本的主要出版物，请参阅：
汪宇东； 默多克，瑞安·J。 Kauwe，史蒂文·K。 Oliynyk，Anton O .； 亚历山大·古洛； 雅各布，布高奇； 克里斯汀·A·Perl森； Sparks，Taylor D.， ， 《材料化学》， 2020年， 32（12） ：4954–4965。 DOI： 。
目录
如何引用
安装
打开Jupyter笔记本
使用Jupyter笔记本
如何引用
如果您选择采用或改编此“方法/协议”文章中提到的方法，请
2021-10-22 11:02:06
10.68MB
1
决策树分类matlab代码应用机器学习和数据科学食谱-面向初学者的数据科学编码训练营
使用Python，R和MATLAB的应用机器学习和数据科学
适用于应用机器学习和数据科学的Python，R和MATLAB代码列表
应用机器学习和数据科学的7个步骤：
通过编码分类学习：
分类：
数据分析：
数据科学：
数据可视化：
机器学习食谱：
熊猫：
Python：
SKLEARN：
监督学习：
表格数据分析：
端到端数据科学食谱：
应用统计：
套袋乐团：
促进合奏：
CatBoost：
聚类：
数据分析：
数据科学：
数据可视化：
决策树：
LightGBM：
机器学习食谱：
多类别分类：
神经网络：
Python机器学习：
Python机器学习速成课程：
R分类：
R对于初学者：
R
for
Business
Analytics：
R
for
Data
Science：
用于数据可视化的R：
适用于Excel用户的R：
R机器学习：
R机器学习速成课程：
R回归：
回归：
XGBOOST：
有抱负的数据科学家的项目组合项目：表格文本和图像数据分析以及Python和R
@中的时间序列预测
西澳大
2021-10-19 16:49:27
1KB
1
SQL-for-data-science-Coursera-answers
此处提供了名为 SQL for Data-Science 的 Coursera 作业的所有答案。
访问链接以获取并兼容简单的视图和集成。
2021-10-18 10:54:04
18KB
1
Instacart市场篮子分析
抽象的
Instacart已成为北美领先的杂货配送平台，并且由于COVID-19，其增长正在Swift加速。 鉴于在线杂货店购物的增加以及作为狂热的美食爱好者，我们希望了解人们订购的商品以及他们的行为有何不同。 在探索了数据集及其包含的不同数据点之后，我们确定了购买农产品（水果，蔬菜等）时关注用户和订单行为的机会。
研究问题
1.客户的细分是什么购买有机与那些永远不要购买有机什么时候给予选择？
2.自然用户和永不自然用户之间的购买行为是否有所不同？
3.用户在Instacart上进行更多订购时，购买行为会改变吗？ 购买“有机”商品是一种稳定还是动态的行为？
使用的工具
语言：
Python
库：
麻木
大熊猫
matplotlib
分工
为了不给我其他小组成员的工作以功劳，每个笔记本都标上姓氏，以表示对整个研究项目的贡献。 此外，由研究团队其他成员
2021-10-16 16:43:50
4.96MB
1
和弦PRO发布
是功能齐全的和弦可视化API，可产生漂亮的交互式可视化效果，例如Reddit主页上的特色。
产生漂亮的交互式和弦图。
自定义颜色和字体大小。
访问“分开”模式，使图的两侧都可用。
在悬停时添加图像和文本，
访问更高级的自定义设置，包括HTML注入。
无需开放源代码即可用于商业用途。
目前支持Python，JavaScript和Rust，还有更多（接受请求）。
变更日志：
2020年12月23日现在支持reverse_gradients 。
2020年12月2日现在具有[更好的支持]，可以使用conjunction参数对文本进行自定义。
2020年11月2
2021-10-15 19:59:46
11.04MB
1
The book Detecting Regime Change in Computational Finance is the
first book of its kind to build on the framework of Directional Change.
The concept of Directional Change is a new field of research that rethinks the way in which data is represented and sampled
2021-10-13 11:01:52
15.15MB
1
说是数据科学指路到是差不多。告诉你有哪些方面的知识需要去学习的。25章每章都值得单独去借上一两本书去学习，都值得花上一两个月用上N多个案例来实践，这样之后，我觉得才是真的入门了。 书中的代码又是一段一段的，估计只有作者才会知道这个功能是怎么来的，有什么用。后面...
2021-10-12 15:55:01
71.09MB
1