适用于Apache ECharts的Google Map扩展 这是的Google Map扩展，用于显示可视化内容，例如 ， 和 。 例子 请参阅 安装 npm install echarts-extension-gmap --save 进口 导入打包的分发文件echarts-extension-gmap.min.js并添加Google Map API脚本和ECharts脚本。 <!-- import JavaScript API of Google Map, please replace the key with your own key --> < script src =" https:

KITTI对象数据转换和可视化 数据集 从Kitti下载数据（calib，image_2，label_2，velodyne），并将其放在kitti/object数据文件夹中 文件夹结构如下： kitti object testing calib 000000.txt image_2 000000.png label_2 000000.txt velodyne 000000.bin pred 000000.txt training calib

统计学国外经典教程，多维密度估计理论、实践、可视化，作者：David W.

iheatmapr iheatmapr是一个R软件包，用于使用模块化构建块构建复杂的交互式热图。 “复杂”热图是这样的热图，其中沿着主热图的行或列的子图添加有关每个行或列的更多信息。 例如，一列附加热图可以指示特定行或列属于哪个组。 复杂的热图可能还包括多个并排的热图，这些热图显示了在相同条件下的不同类型的数据。 交互性可以通过为工具提示提供有关每个单元格的信息并缩放到有趣的功能来改善复杂的热图。 iheatmapr使用库进行交互。 尽管已经有很多很棒的R软件包可以制作热图，包括几个很棒的软件包，可以制作相对简单的交互式热图（ 和 ）或复杂的静态热图（ ），但iheatmapr致力于ih

概述 基于高异质/均匀时间序列多传感器数据的实时异常检测的无监督特征选择和/或无监督深度卷积神经网络和lstm自动编码器的原型。 内置时间序列预测器的可解释AI原型。 无监督特征选择的直观表示如下所示。 无监督实时点异常检测的直观表示如下所示。 从当地的解释，全球理解与解释的AI树木-从这里动机- ，图片来源-https: MSDA 1.0.8 什么是MDSA？ MSDA是Python中的开源low-code多传感器数据分析库，旨在在时序多传感器数据分析和实验中将假设减少到洞察周期。 它使用户能够快速，高效地执行端到端的概念验证实验。 该模块通过捕获变化和趋势来建立多维时间序列中的事件，以建立旨在识别相关特征的关系，从而有助于从原始传感器信号中选择特征。 此外，为精确检测实时流数据中的异常，还设计了无监督的深度卷积神经网络以及基于lstm自动编码器的检测器，以在GPU / C

neo4jd3.js 使用图形可视化。 特征 与和兼容。 力模拟。 信息面板，显示悬停时的节点和关系信息。 双击回调。 自定义节点颜色（按节点类型）。 文本节点+图标节点+ SVG图像节点（例如，使用 ）。 粘滞节点（拖动以粘住，单击以松开）。 动态图更新（例如，双击一个节点以将其展开）。 突出显示init上的节点。 关系自动定向。 缩放，平移，自动调整。 与D3.js v4兼容。 跑步 首先，请确保您已安装了Ruby和无礼的宝石。 然后，克隆存储库，安装所有依赖项，构建并为项目提供服务。 > gem install sass > git clone https://github.com/eisman/neo4jd3.git > npm install > gulp 在您喜欢的浏览器中打开http://localhost:8080 。 文献资料 var neo4

Covid-19实时分析R-Shiny 全球Covid-19病例趋势的实时分析和可视化。 包括绘图，地图，线性图等。 Web ShinyApp的QR码 线性回归 包括实时线性回归分析。 预测变量和响应变量可以从下拉菜单中选择。 可以按大陆过滤分析。

多重 如果未校正相应的p值，则同时测试多个假设会增加假阳性结果的数量。 尽管这个多重测试问题是众所周知的，但是经典和高级的校正方法尚未在统一的Python包中实现。 该软件包着手通过实施控制家族错误率（FWER）和错误发现率（FDR）的方法来填补这一空白。 新闻 该软件的论文现已发表在 （2020年3月13日）上 该软件的新预印本现已在上（2019年9月11日） MultiPy作为海报在芬兰于韦斯屈莱的会议上展出（2019年5月8日至10日） 在芬兰于于的神经科学研讨会上介绍了MultiPy（2018年11月30日） MultiPy在芬兰赫尔辛基大学中介绍（2018年5月30日） 在芬

广告优化：使用强化学习算法（如汤普森采样和上限可信度）来优化最佳广告

Nan Cao Weiwei Cui编写的文本可视化分析的书籍。全书系统介绍了各种文本信息可视化技术及应用。英文原版。有需要的自然知道这本书的好。