时空数据集 收集时空数据集以用于网络科学，深度学习和通用机器学习研究。 内容 匈牙利的水痘病例 描述 匈牙利每周水痘（儿童疾病）病例的时空数据集。 该数据集由一个县级邻接矩阵和2005年至2015年之间的县级报告病例的时间序列组成。有两个特定的相关任务： 县级病例数预测。 国家一级的病例数预测。 链接 特性 导演：没有。 节点功能：是。 时间的：是的。 匈牙利县 节点数 20 边缘 61 密度 0.3211 传递性 0.4134 可能的任务 计数数据回归 引用 @misc { rozemberczki2021chickenpox , title = { {Chickenpox Cases in Hungary: a Benchmark Dataset for Spatiotemporal Signal Processing with Graph Neural

d3js：使用D3.js进行实验

机械工程控制基础期末试题及标准答案，适合高等院校学生及相关工程技术人员下载使用。

ecmwf_models 读取器和转换器，用于。 用Python编写。 与结合使用效果。 引文 如果您在出版物中使用该软件，请使用Zenodo DOI将其引用。 请注意，此徽章链接到最新的软件包版本。 请在选择您的特定版本，以获取该版本的DOI。 通常，在引用中，应始终将DOI用于记录的特定版本。 这是为了确保其他研究人员可以访问您用于重现性的确切研究伪像。 您可以在找到有关DOI版本控制的其他信息。 安装 通过conda安装所需的C库。 对于安装，我们建议使用 。 因此，请按照官方安装说明进行安装。 一旦在外壳中包含conda命令，您就可以继续： conda install -c conda-forge pandas pygrib netcdf4 scipy pyresample xarray 以下命令将下载并安装所有需要的pip软件包以及ecmwf-model软件包本身。

web_of_science_isi 用于从原始ISI文件提取数据的Python和R脚本

贷款批准预测：贷款申请数据分析

Gilber Strang 的一个很好的书。推荐大家看看。深入浅出。

NBA预测 使用Python中的Logistic回归模型预测NBA比赛 模型 该模型使用从stats.nba.com刮取的八个因素来确定NBA游戏的预测结果。 每个统计数据都调整为每100个回合，以确保速度不会影响预测。 主队 胜率 篮板 营业额 正负 进攻等级 防守等级 真实投篮命中率 用法 安装 pip3 install -r requirements.txt 每日预测 打开nbaPredict.py 编辑对makeInterpretPrediction的调用，其中包含所需的比赛日期，赛季以及赛季的开始日期 通过终端或IDE运行程序 等待约1-3分钟，模型即可完成抓取统计信息并预测结果 输出结果作为主队击败客队的机会百分比 过去的预测 打开makePastPredictions.py 使用所需的开始日期，结束日期，季节，季节的开始日期和输出文件名来编辑对makePastPredictions的调用。 注意：开始日期应至少在季节开始后三天，且结束日期不包括在内。 通过终端或IDE运行程序 两个CSV文件将保存在Data文件夹中。 一个保存游戏数据，另一个保存游戏的预测。

计算机科学速成课 :fire: 2018年5月1号-全40集完结撒花 精校版： 字幕也放出来了（40集中英字幕） 两个版本： 另外，片头总结在这篇文章的底部感谢观看，别忘了变得很棒！ 感谢所有翻译人员！ 不想膨胀的小R- ，， 糖醋陈皮- ，， ZireHao- 吉洛特 晴空 疯猫 辛迪 出门去 TMC-RN LCAR979（推特_lincr_ ） 第一版翻译（不推荐观看，看精校版即可）： 1- 2- 3- 4- 5- 6- 7-- 8- 9- 10- 11- 12- 13- 14- 15- 16- 17- 18- 19- 20- 21- 22- 23- 24- 25- 26- 28- 29- 30- 31- 32- 33- 34- 35- 36- 37- 38- 40- 精校版质量更好，建议看精校版，之所以第一版目录不删除： 方便快速扫视，看都聊什么话题 方便翻阅之前的版本（如果有

Helstrom量子质心分类器 Helstrom量子质心（HQC）分类器是一种受量子启发的监督分类方法，用于具有二进制类的数据（即，仅具有2类的数据）。 受到量子启发的意思是指采用和利用量子理论的分类过程。 它受到可观察到的量子Helstrom的启发，该量子行为作用于量子模式之间的可区分性，而不是数据集的经典模式。 HQC分类器基于Giuseppe Sergioli，Roberto Giuntini和Hector Freytes在他们的论文中进行的研究： Sergioli G, Giuntini R, Freytes H (2019) A new quantum approach to