我的博客 由提供 接下来做什么？ 大！ 您已经设置了您的仓库。 现在该开始编写内容了。 一些有用的链接： 注意：如果您不希望这些博客文章出现在您的网站上，则可能要从_posts ， _notebooks或_word文件夹中删除示例博客文章（但将其保留为空，请勿删除这些文件夹）。 如有任何疑问或功能要求，请在fastai论坛中使用。

机器学习入门

用户汽车满意度预测

战争数据分析，战争数据分析

Jupyterlab霓虹灯主题 JupyterLab的扁平，80年代霓虹灯启发主题。 这个主题受到80年代霓虹灯，Synthwave和Cyber​​punk艺术品的启发。 它经过优化，可长期使用，但色彩丰富而酷。 大更新 自3.0.0版以来，配色方案有了很大的更新。 如果您是老用户并且不喜欢新样式，请在找到档案。 但是，不幸的是它将不再维护。 奖金 1.搜索工具*霓虹灯广告牌 2.折叠器*霓虹灯 3.滚动条* FM-84的“地图集”（仅与webKit浏览器兼容） 4.演示模式（顶部菜单->视图->演示模式） 定制 您可能不喜欢默认的背景或透明的UI，因此与这些有争议的设计有关的代码分别放入并带有详细的注释以供您自定义。 编辑CSS文件后，请按照“进行重新安装。 1.透明的左/顶栏 请遵循注释以调整透明度。 2.背景 提供了两个渐变背景“ Neon Night”和“ Neo

TF-IDF：NLP中的TF_IDF的公式，并与Sklearn中的结果进行比较

如何使用AWS EC2 Hadoop集群处理200 GB数据 存储200 GB的NYC出租车数据集并部署Cloudera Hadoop集群以对其进行可视化。 使用Python Datashader绘制和可视化Hadoop大型数据集 没有Datashader的可视化 工作流程概述 使用数据着色器 最终可视化

技术指标 技术指标存储库提供了用于对开/高/低/收盘（OHLC）股票价格数据进行技术分析的工具。 techindicators.py代码包含Python 3.6函数，该函数使用Numpy库计算各种技术指标（移动平均线，RSI，MACD，CCI等）。 关联的Jupyter笔记本演示了techindicators.py中包含的所有功能的使用。 Jupyter笔记本中显示的图是使用Matplotlib和mpl_finance模块创建的。 为什么要创建另一个技术分析工具？ 已经有许多工具可用于使用Python进行技术分析。 其中大多数涉及将数据分析库和/或Python包装器用于技术分析库 。 那么，

这个是基于Jupyter写的CoAtNet网络在CIFAR10数据集上的分类任务，里面包括了混淆矩阵和Acc&Loss的可视化，请放心食用。

380CT_Vox_Machina 概括 此Jupyter笔记本文档是380CT考文垂大学的课程作业。 它是由内森·布朗，哈里·威尔斯和阿玛·巴马尔撰写的。 内容包括元启发式方法，即带有DFJ公式的蚁群优化和禁忌。 要求 适用于Python的Gurobi，请在此处提供安装说明： ://www.gurobi.com/gurobi-and-anaconda-for-windows/。 所使用的许可为“学术免费”。 tsputil，要安装，请转到Anaconda命令行并键入“ pip install tsputil”，然后等待下载。 重要提示：请注意讲师。 我们的小组注意到直接从GitHub显示笔记本的问题； 即，不显示所有数据输出的问题。 但是，如果您下载笔记本，则所有信息仍然存在。 因此，不要认为它是不完整的。