stata_kernel stata_kernel是Stata的Jupyter内核； 它可以在Windows，macOS和Linux上运行。 要查看Jupyter Notebook示例， 有关文档和更多信息，请参见： : Jupyter笔记本 原子

非常好的Python入门资料。

使用Python时，常遇到的一个问题就是Python和库的版本不同。Anaconda的env算是解决这个问题的一个好用的方法。但是，在使用Jupyter Notebook的时候，我却发现加载的仍然是默认的Python Kernel。这篇博客记录了如何在Jupyter Notebook中也能够设置相应的虚拟环境。 conda的虚拟环境 在Anaconda中，我们可以使用conda create -n your_env_name python=your_python_version的方法创建虚拟环境，并使用source activate your_env_name方式激活该虚拟环境，并在其中安装

预测库存价格 概述 股市交易是我做过的最迷人的尝试之一。 仅仅通过思考来赚钱的追求确实是一次令人振奋的旅程。 股票市场不再是华尔街市场穿着西装和领带的人所从事的冒险活动。 现在，任何能够使用电话或计算机的人都可以在市场上交易。 这种计算机化的交易将更多的人带入市场，并导致算法交易的丰富性。 实际上，在美国发生的所有交易中，有70％由计算机系统处理。[1] 交易者/投资者在市场上想要的是优势（一件事情比另一件事情发生的可能性更高）。 他们使用自己过去的经验，阅读当前的市场状况以及对图表和价格模式进行技术分析来做到这一点。 由于机器可以更快地处理更多数据，因此它们绝对可以帮助交易者/投资者做出更好的交易/投资决策。 在这个项目中，我将尝试使用一个称为“长期短期记忆（LSTM）”的人工递归神经网络来预测公司的收盘价。 我还将尝试使用DecisionTreeRegressor和LinearRegr

介绍 新的全球生态系统动力学调查于2018年12月5日启动，正在国际空间站产生高分辨率激光收集森林周围树冠高度，树冠垂直结构和表面标高的3D数据。 由于它每天都在收集数据，因此稳定且快速的平台至关重要。 因此， pyGEDI库是用Python开发的，因为它可以利用多个CPU和GPU，并受C和支持。 pyGEDI为GEDI产品的数据提取，分析，处理和可视化提供了高性能，较低的认知负担以及更清晰，更透明的代码。 包装概述 pyGEDI在一个包中具有用于可视化，处理，分析和数据提取的多种功能。 pyGEDI软件包包含以下功能： 与NASA服务器的连接。 下载GEDI数据。 剪裁您的特定区域。

School_District_Analysis 使用Jupyter Notebook分析学区数据。

利用机器学习技术进行信用卡交易欺诈检测 欺诈性信用卡交易的分类。

使用机器学习的信用卡欺诈检测 信用卡欺诈是一个日益严重的问题，面临许多挑战，包括时间漂移和严重的阶级失衡。 该项目尝试使用包括自适应合成采样方法（ADASYN）和合成少数采样率（SMOTE）在内的最新技术来解决班级不平衡问题。 2013年9月在欧洲进行的超过280k真实交易[1]被用作训练数据集。 比较了三种类型的机器学习模型：随机森林，支持向量机和多层感知器。 结果表明，不平衡数据集的最佳采样方法取决于数据集和所使用的模型。 该项目包含以下组件： a）PDF格式的IEEE风格论文 b）Jupyter Notebook进行了机器学习测试。 您可以运行视图并自己运行它们。 还包括注释，推理和数字。 为了方便起见，我在此git repo中包含了原始数据集的副本[1]，但是请参考原始资源以获取最新版本。 该项目是2017年冬季在滑铁卢大学进行的SYDE 522：机器学习的一部分。 安装 克隆项目： $ git clone https://github.com/yazanobeidi/fraud-detection.git && cd fraud-detection Pip安装依赖项

暗影精灵3Plus 1070 手动调节散热风扇转速，所用工具！

大数据平台notebook工具-Zeppelin，zeppelin查询SQL