金融课程 EDHEC商学院有关Coursera上使用python构建投资组合的金融课程的注释和示例。 这些课程是Python和机器学习专业化的投资管理的一部分： : 第一门课程：使用Python构建投资组合和分析入门， 链接： : 。 主题： 收益与风险价值 投资组合优化简介 超越多元化 资产负债管理导论 第二门课程：使用Python进行高级投资组合构建和分析， 链接： : 。 主题： 风格和因素 协方差矩阵的稳健估计 可靠的预期收益估算 实践中的投资组合优化 第三门课程：用于资产管理的Python和机器学习 链接： ： 主题： 介绍机器学习的基础 机器学习技术

V0.5.X版本的pyecharts使用： from pyecharts import Bar bar = Bar("我的第一个图表","这里是副标题") bar.add("服装",["衬衫","羊毛衫","雪纺衫","裤子","高跟鞋","袜子"],[5, 20, 36, 10, 75, 90]) bar #不需要bar.render(),直接bar就可以输出图片 V1.0.X版本的pyecharts使用： from pyecharts.charts import Bar bar = Bar() bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高

在网上看了很多解决方法，都没有解决，后来我自己解决了这个问题： 出现的问题：在cmd上 “pip install package” 时显示 satisfied，但在Jupyter中 import package 报错“No module…” 问题原因：cmd中安装这个包的文件夹与Jupyter的包的文件夹不同。 解决方法： 1. 找到cmd所安装的包所在的 site-packages 文件夹，方法： 在cmd中输入“pip install package”（package为你在cmd中安装成功，但在Jupyter中import错误的那个包）， 回车，如下： 显示的那个路径即为我们要找的文件夹

Stanford CS229 Python机器学习 该存储库包含问题集以及Stanford CS229-在Coursera上用Python 3编写的机器学习课程的解决方案。我还记了一些其他注释。 请查看和。 请注意，您的解决方案将不会获得评分，也不会以任何方式隶属于Coursera。 如果您的答案与我的不同，并且您认为自己的答案更好，请在创建一个问题。 安装 确保已安装jupyter笔记本。 您可以在找到说明。 使用以下Python软件包： 您可以使用以下命令安装所有依赖项： python3 -m pip install -r requirements.txt 使用说明 请从Coursera课程下载练习（pdf）。 笔记本电脑中包含一些说明。 在练习笔记本中完成练习。 将您的答案与解决方案笔记本中的代码进行比较。 内容 线性回归 逻辑回归与正则化 多类分类和神经网络 神经网络学习 正则化线性回归与偏差与方差 支持向量机 K-均值聚类和主成分分析 异常检测和推荐系统 版权声明 此仓库中的所有代码，练习，数据和其他文件均为:copyright:Stanford Universi

Python-通过交互式Jupyter演示和数学来解释流行机器学习算法的Python示例

最佳实践 在材料信息学研究中应该（也应该不）做的事情。 这是一个知识库，其中包含与出版物“材料科学家的机器学习：最佳实践入门指南”相关的Python代码和Jupyter笔记本。 包括这些笔记本是为了说明按照最佳实践创建的假设的材料科学机器学习项目。 该项目的目标是在给定化学成分和条件（测量温度）的情况下预测材料的热容量。 要阅读制作这些笔记本的主要出版物，请参阅： 汪宇东； 默多克，瑞安·J。 Kauwe，史蒂文·K。 Oliynyk，Anton O .； 亚历山大·古洛； 雅各布，布高奇； 克里斯汀·A·Perl森； Sparks，Taylor D.， ， 《材料化学》， 2020年， 32（12） ：4954–4965。 DOI： 。 目录 如何引用 安装 打开Jupyter笔记本 使用Jupyter笔记本 如何引用 如果您选择采用或改编此“方法/协议”文章中提到的方法，请

在 Jupyter Notebook 上用 Python 实现的一元线性回归，包括源码和数据，大家可以学习参考使用

geopandas-spatial-join-example：如何使用geopandas和Python将点连接到多边形数据的示例

generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型

GNSS-R MERRByS Python示例代码 该Jupyter笔记本包含一些处理来自的GNSS-Reflectometry（GNSS-R）数据的。 萨里卫星技术有限公司根据麻省理工学院的许可提供这些功能，以使人们更轻松地开始使用此数据源。 来自SSTL的MERRByS数据集已获得知识共享署名-非商业4.0国际许可的许可。 您可以通过单击上面的笔记本在这里查看Jupyter笔记本： GNSSR_MERRByS.ipynb 笔记本在/GNSSR_Python文件夹中使用了一些帮助程序功能。