# 设置p阶，q阶范围 # product p,q的所有组合 # 设置最好的aic为无穷大 # 对范围内的p,q阶进行模型训练，得到最优模型 全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法 ，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA(p，d，q)称为差分自回归移动平均模型，AR是自回归， p为自回归项; MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程(MA)、自回归过程(AR)、自回归移动平均过程(ARMA)以及ARIMA过程。

内容：通过目前信用卡欺诈的问题，使用机器学习中的5种模型（决策树，K-近邻，逻辑回归，支持向量机，随机森林，XGBoost）对欺诈数据集进行检测，并对5种模型进行评估比较分析（评价指标有准确度，F1-score，混淆矩阵），有详尽的解释与代码，能够轻松复现。 适合人群：适合机器学习初级及中级学者，也适合学生交期末大作业 所需材料与软件：pycharm，creditcard.csv

内容概要： 简单的商品管理系统，包含增加职员，删除职员，查看职员，修改职员的功能，所有功能均在命令行完成和展示，适用于编程入门的小白参考学习 适用人群： 适用于初学编程的同学，初学python的同学 能学到什么： 常用的python语法命令，函数式编程的思想，python中连接sql的常见操作 阅读建议： 此资源是简单的CRUD功能的管理系统，代码内容较为简单， 直接阅读即可。

基于Python实现的疲劳驾驶检测

# <淘宝抢拍> from selenium import webdriver import datetime import time from selenium.webdriver.common.by import By #打开火狐浏览器 web = webdriver.Firefox() # 登录方式 def login(): # 打开淘宝登录页，并进行扫码登录 web.get("https://login.taobao.com/member/login.jhtml?spm=a21bo.jianhua.201864-2.d1.5af911d99mBdZ9&f=top&redirectURL=http%3A%2F%2Fwww.taobao.com%2F") time.sleep(4) #给足够的载入网页的时间 # web.find_element(By.XPATH,'/html/body/div/div/div[1]/i').click() # # web.maximize_window() # t

基于python lstm flask 搭建的豆瓣电影推荐系统. 完整代码+论文 +ppt 毕业设计基于python lstm flask 搭建的豆瓣电影推荐系统. 完整代码+论文 +ppt 毕业设计基于python lstm flask 搭建的豆瓣电影推荐系统. 完整代码+论文 +ppt 毕业设计

最新技术python web使用django框架做的投票系统 运行环境 django+python+sublime text3+sqlite 项目技术(必填) django+python+sublime text3+navicat Premium+html+jquery 数据库文件 放于mysite根目录下的db.sqlite3文件 jar包文件 pythonweb，无需jar

本人在此项目拥有的功能：根据图片识别图片中的车牌号、GUI界面设计、导出识别数据到Excel文件中的功能基础上，添加了运用opencv摄像头实时识别车牌的功能；与传统识别方法不同的是，将opencv摄像头识别与此项目结合，可以极大的提高识别的效率和准确率。同时，本人优化了原项目的识别模块的函数，也极大的优化了识别的速度和效率，希望大家多多交流，多多学习！！！！！

本项目从生活细节出发，将计算机视觉应用在饭堂人数检测上，结合软硬件设施：算法基于深度卷积神经网络模型，硬件基于树莓派 RaspberryPi3 Model B，终端为 Web APP 或者公众号平台，学生可以通过终端获取饭堂人数密度热力图。

一个基于Python爬虫的有道翻译接口 用法 a=Search_words() #初始化对象 b=a.Simple_search(“Hello”) #进行搜索，支持中译英/英译中，返回一个字典 字典内数据 返回的数据可能含有换行符或、标记以及空格，请自行过滤 b['Word'] 查询的单词 b['pronounce'] 音标 b["pronounce"][0]为英式 b["pronounce"][1]为美式（部分有） b['Simple-meaning'] 释义（英译中） d['Internet-meaning'] 网络释义 b['Phrase'] 相关短语 b['Sentence'] 相关句子 b['Chinese-meaning'] 释义（中译英） b['Guess'] 猜你想搜（大部分情况为空，反之有可能输入了错误的单词） b['Pin-Yin'] 拼音 示例 if __name__ == '__main__': a=Search_words() print