关于疫情的数据科学大作业讲解 毕业设计
2021-03-09 15:04:53 54.48MB 疫情 毕业设计
1
应用数据科学界 该笔记本将主要用于顶峰项目 嗨,这是乔希(Josh)创建的新行
2021-03-09 10:05:36 5.51MB JupyterNotebook
1
数据科学的Python 我正在编写学习Python for Data Science的旅程。 该指南与初学者特别相关,特别适合非技术背景的人。 因为我是一个人! 我见过许多学生,新生和试图进入该领域的任何人都在努力理解基本概念。 我可能还是个好主意,但我尝试投入我的精力来开发和理解这里编写的每一行代码。 我希望有一天,有人希望能从中得到一些帮助。 帮助您自己复制,使用和做任何您喜欢的事情。 祝一切顺利! 第1章:Python计算简介 什么是计算? 计算机语言:0和1 Python简介,安装 命令,Shell,脚本,表达式,关键字,注释,变量名,Python需求 数据类型(Int,Str,Bool,float,Complex,分数,数学) 运算符(赋值,关系,逻辑,按位[<<,>>,&,|,〜和^],成员资格,身份) Python输入,输出和导入 类型转换 运算符优先级 第2章:分
2021-03-06 20:05:57 974KB JupyterNotebook
1
IBM-Capstone 该存储库用于IBM Data Science Capstone项目,
2021-02-18 20:06:25 139KB JupyterNotebook
1
使用Julia语言进行数据科学方面的工作,数据分析,数据可视化
2021-02-14 19:46:39 2.44MB Julia
1
无忧无虑工具包 carefree-toolkit实现了一些常用功能和模块 安装 carefree-toolkit需要Python 3.6或更高版本。 pip install carefree-toolkit 要么 git clone https://github.com/carefree0910/carefree-toolkit.git cd carefree-toolkit pip install -e . 用法 timeit class timeit ( context_error_handler ): def __init__ ( self , msg ) 时序上下文管理器。 参量 msg : str ,我们要计时的上下文名称。 例 import time from cftool . misc import timeit # ~~~ [ info ] timing
2021-02-08 10:03:27 92KB python data-science numpy Python
1
drake:专注于R的流水线工具包,用于重现性和高性能计算
2021-02-05 15:10:14 1.37MB workflow data-science r pipeline
1
数据清理器 一流的开源数据质量解决方案。 DataCleaner是一个数据质量工具包,可让您分析,更正和丰富数据。 人们将其用于即席分析,重复清洗以及在匹配和主数据管理解决方案中的瑞士军刀。 去哪里获取最终用户信息? 请访问DataCleaner社区网站以获取下载,新闻,文档等。 访问我们的Gitter聊天频道提出问题或讨论。 GitHub降价页面和问题仅用于开发人员和技术方面。 模块结构 主要的应用模块是: api-DataCleaner的公共API。 通常,应使用界面和注释来构建自己的扩展。 resources-DataCleaner中的静态资源 oss-branding-图
2021-02-05 11:06:23 10.47MB data-science data database etl
1
Python机器学习 小型机器学习项目,以了解核心概念(顺序:从最早到最新) 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模,并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型 从零开始实施随机森林,并在UCI存储库的Sonar数据集上建立分类器 示例数据集上Python中的简单线性回归 Python在样本数据集上的多元回归 PCA和使用Python缩放样本股票数据[working_with_data] 示例数据集上Python中的决策树 示例数据集上的Python中的Logistic回归 在Python中建立神经网络以击败验证码系统 辅助方法包括用于统计,概率,线性代数和数据分析的常用运算 用示例数据进行K均值聚类; 用k均值聚类颜色; 自下而上的层次聚类 生成词云
1