车流量预测任务是一个回归任务，旨在根据区域历史的车流量情况来预测其未来某一段时间的车流量情况。使用的数据为纽约市出租车流量数据。输入为纽约市各区域的历史车流量时间序列，输出为对应各区域的未来车流量的预测值。 纽约出租车流量数据集，时间跨度为从2015年1月1日到2015年3月1日。数据处理成为网格流量数据，时间间隔设定为30分钟。后20天数据被划定为测试集，其余数据为训练集。数据格式：以训练集为例，其shape=(192010202) 代表有1920个时间段，1020个区域，2个特征分别为区域的入流量与出流量

这是一篇帮助文档，致力于帮助您更好地使用本学生信息管理系统，本系统基于 mysql 设计，并通过 python 自带的 tkinter 包实现简单的图形化。目前，本系统还未开发出数据库远程连接功能，数据需要储存在本地数据库中。 其上功能的实现需要您在本地先安装 mysql 系统及其依赖包，并且先行安装少量本程序所使用的第三方 python 库，包括：pickle、PIL、pymysql、openpyxl、numpy、matplotlib。 安装完成所需的程序和第三方库后，首先需要您配置好您所安装的 mysql 数据库，并记录下管理员的账号和密码，管理员的权限是本程序正常操作数据库并运行的必要条件，在程序向您要求以上信息时请您提供；下一步是创建储藏信息的数据库，这一点并不需要麻烦您来操作，程序第一次运行时会自动创建数据库，如果有相关提示，请同意并略过它。 注意：使用过程中请不要删除本文件夹中的任何文件，否则极有可能导致程序报错或先前的用户信息丢失。 程序的基本操作指南： 1. 菜单界面 1.1 文件 您可以在其中查看和新建表格，表格是 m

一、实验目的 1. 通过实验掌握基本的Flink编程方法。 2. 掌握用IntelliJ IDEA工具编写Flink程序的方法。 二、实验内容和要求 1. Ubuntu18.04（或Ubuntu16.04）。 2. IntelliJ IDEA。 3. Flink1.9.1。 三、实验步骤（每个步骤下均需有运行截图） 1．使用IntelliJ IDEA工具开发WordCount程序 在Linux系统中安装IntelliJ IDEA，然后使用IntelliJ IDEA工具开发WordCount程序，并打包成JAR文件，提交到Flink中运行。 在本次实验中，主要是学习掌握基本的Flink编程方法编写Flink程序的方法以及对大数据的基础编程技能进行巩固。并且还学习了Flink的基本原理和运行机制，还通过具体的代码实现，了解到Flink程序的编写步骤和注意事项。此外，还学会了如何使用IntelliJ IDEA工具进行Flink程序的编写和调试，加深了对开发工具的了解。

微信小程序期末大作业-花店小程序，详情请看我的文章介绍：https://blog.csdn.net/weixin_43474701/article/details/130589152 微信小程序期末大作业-花店小程序，详情请看我的文章介绍：https://blog.csdn.net/weixin_43474701/article/details/130589152

大模型入门学习笔记.zip 大模型入门学习（主要基于DataWhale组织的学习任务） ## Task 01 梳理了语言模型的进化史。 ## Task 02 这一节主要是讲述大模型的能力，通过一些任务来探索，这里我整理了prompt的范式，包括一个范例，另外整理了langchain介绍，包括一些langchain示例。 ## Task 03 这一部分主要整理了ChatGPT的原理，包括ChatGPT训练的三个阶段，目前这部分仅是简单叙述，接下来会对具体的技术细节进行总结。 ## Task 04 这一部分主要梳理了GPT的进化史，从GPT-1到GPT-3，从数据、模型、训练方式有了一个大致的了解。 ## Task 05 这一部分整理了ChatGPT从零开始的训练流程，主要包括预训练、指令微调、奖励模型三个阶段。

修改的 鱼刺http 模块 增加了 回调显示进度

2022年智慧化工厂安全监管监测大数据平台建设方案-智慧化工园区安监大数据平台建设方案完整版.pptx

项目介绍 购物商城APP项目是一个基于Android平台的餐饮的O2O购物平台,app有5个基本页面(底部有常驻按钮)和三个功能页面 基本页面有: 主页 分类页 社区页 购物车 用户页 功能页面有: 商品详情页 登录页 注册页 注意:本项目所有测试基于Android Studio内置模拟器中Pixel 4a手机在API 32下的情况,无法保证在使用其他模拟器或其他机型下的正常运行,为减少出现不可预期的bug,请在该机型下运行项目.如果使用其他机型,请尽可能在5.8寸的1080*2340px屏幕环境下运行 - 项目介绍 运行中有什么问题可以私聊博主，本人高级安卓工程师，主页置顶有常见爆红解决的方法 ## 项目备注 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下

内容概要：该资源介绍了使用机器学习方法对毒蘑菇进行分类的实现。主要包含了逻辑回归、高斯朴素贝叶斯、支持向量机、随机森林、决策树和人工神经网络等六种监督学习模型的应用。 适用人群：对机器学习和分类算法感兴趣的学习者、数据科学家、机器学习工程师等。 使用场景及目标：本资源可用于学习如何使用不同的监督学习模型对毒蘑菇进行分类，帮助用户理解各种模型的原理和应用场景，并能够根据实际需求选择合适的模型进行分类任务。 其他说明：资源中提供了详细的代码示例和实验结果，以及对比不同模型在毒蘑菇分类任务上的性能评估，帮助用户深入理解各个模型的优缺点和适用范围。

包含源代码、心得体会、操作手册