纯手写卷积神经网络，未使用任何神经网络框架，使用numpy纯手写卷积神经网络，研究此代码可充分搞懂卷积神经网络原理，本人也是通过此代码亲自走过来的。代码简单。 适用人群：适用于有意愿彻底搞懂卷积神经网络底层原理的同学，适合做该领域研究的学者，较易上手。 阅读建议：对于想学习python的同学，可通过此小项目一边研习python代码语法，一边学习卷积神经网络算法，可以很快入门python,并掌握基础的卷积神经网络算法。

numpy-1.13.3+mkl-cp27-cp27m-win_amd64.whl，安装包，可以便捷地在python里配置numpy工具，已经实际操作测试过，可顺利运行！

numpy-1.14.5+mkl-cp36-cp36m-win_amd64.zip科学计算包库，.whl格式，pip安装毫无压力

生成椭圆的matlab代码椭圆拟合python 使用python / numpy查找适合任意数据的椭圆体，对其进行绘制或写入文件。 （应该同时适用于python 2.7和python 3） 用于3轴磁力计校准。 如果您想使椭圆适合任意数据，请查看问题＃11-我试图解释如何做到这一点。 还要浏览其他未解决的问题。 Project是从matlab / octave到python / numpy的端口，并在matplotlib上添加了一些数据正则化和奇特的绘图功能。 它使用最小二乘法。 一些用于绘图的代码取自 输入文件示例是mag_out.txt，由包含3个数字的行组成，这些数字代表点坐标。 使用plot_ellipsoid.py查看输入数据，拟合的椭球以及将数据传输到球体表面上。 使用get_calibration_ellipsoid.py生成magcal_ellipsoid.txt，其中第一行具有拟合的椭球中心坐标，其他三行是椭球轴。 要求是： 麻木 matplotlib进行绘图 更新：有关Matlab的关闭版本，请点击此处 更新2：版本3中的Matplotlib不支持等轴，因此，精图可

步态数据上的预测建模：使用LSTM将预测模型应用于时序步态数据的实验的最终结果和Python代码。 “重采样和时代测试”显示了一次优化模型参数两次的第一次迭代的结果。 “批次大小和神经元测试”显示第二次测试的结果，优化了其余两个参数

机器学习预科知识：“numpy+pandas+matplotlib基础”

python pandas 官网文档 2000多页 目录包括： 1-What's New 2-Installation 3-Contributing to pandas 4-Package overview 【*】5-10 Minutes to pandas 【*】6-Tutorials 【*】7-Cookbook 【*】8-Intro to Data Structures 【*】9-Essential Basic Functionality 【*】10-Working with Text Data 【*】11-Options and Settings 【*】12-Indexing and Selecting Data 【*】13-MultiIndex / Advanced Indexing 【*】14-Computational tools 【*】15-Working with missing data 【*】16-Group By: split-apply-combine 【*】17-Merge, join, and concatenate 【*】18-Reshaping and Pivot Tables 【*】19-Time Series / Date functionality 【*】20-Time Deltas 21-Categorical Data 【*】22-Visualization 23-Styling 【+】24-IO Tools (Text, CSV, HDF5, ...) 【***** 文件】 25-Remote Data Access 【-】 26-Enhancing Performance 【*C语言提升性能】 27-Sparse data structures 【*稀疏】 28-Frequently Asked Questions (FAQ) 【-】 29-rpy2 / R interface 【-】 【*】30-pandas Ecosystem 31-Comparison with R / R libraries 【-】 【*】32-Comparison with SQL 【***** sql用法】 33-Comparison with SAS 【-】 【*】34-API Reference 【***函数总结】 35-Developer 【-】 36-Internals 【-】 37-Release Notes 【- 版本致谢】 38-Bibliography 【-】 39-Python Module Index 【-】

python数据分析--献金数据 适合python数据分析入门练习所用 包含三个：contb_1.csv,contb_2.csv,contb_3.csv

主要介绍了Python中Numpy包的安装与使用方法,结合简单实例形式分析了Python使用pip命令在线与离线whl包安装,以及使用numpy打印随机数矩阵的操作技巧,需要的朋友可以参考下

主要介绍了基于python解线性矩阵方程(numpy中的matrix类),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下