可视化 prosper.com 借款人的状态 可视化、要点和 github 链接 可视化可以在这里看到： 。 概括 Prosper 是美国第一个市场借贷平台，拥有超过 80 亿美元的融资贷款。 了解更多信息，请访问 。 根据公布的贷款数据，我提取了每个州的贷款数量。 [数据/borrower_states.csv]。 公司应该关注贷款数量较多的州，但是如果这些州的人口数量已经非常多怎么办！为此，我创建了一个名为“score”的新变量来给每个州一个分数，这个分数的计算方式是对每个州的 (loans/population) 和 (loans/total_loans) 求和，然后将这些值映射到 0 到 1 之间的值。 因此得分较高的州意味着这些州的贷款数量和人口数量都很高，值得关注。 ->如下图所示，加利福尼亚州、伊利诺伊州和佐治亚州三个州的得分高于0.7，此外，还有18个州的得分高于0

Sankey_Plot R中的可视化 Sankey图非常直观地描述了主要类别之间的区别和联系，我曾经描述了两个汽车零件（通用和特殊）及其改装模型之间的区别和联系。 此外，连接的宽度与销量成正比。 请查看R代码进行演示。

（美国2018航班数据集） 由（伊斯兰·萨德） 数据集 使用《美国航班2018年数据集》-来源： : 您可以在Google云端硬盘链接中找到它： : 此数据集包含720万条记录和28列。由于数据集庞大，我们将选择数据集变量的10％的子集（随机样本）变量说明： 1 DATE 2 DepTime实际起飞时间（本地，hhmm）3 CRSDepTime预定起飞时间（本地，hhmm）4 ArrTime实际到达时间（本地，hhmm）5 CRSArrTime预定到达时间（本地，hhmm）6 UniqueCarrier唯一的承运人代码7 FlightNum航班数字8尾巴飞机尾巴数字9实际经过时间（以分钟为单位）10 CRSElapsedTime（以分钟为单位）11空中时间（以分钟为单位）12 ArrDelay到达延迟，以分钟为单位13 DepDelay出发延迟，以分钟为单位14始发地IATA机场代码

LeNet-5 这实现了略微修改的LeNet-5 [LeCun et al。，1998a]，并在上达到了约99％的准确度。 设置 使用以下命令安装所有依赖项 $ pip install -r requirements.txt 用法 启动visdom服务器进行可视化 $ python -m visdom.server 开始训练程序 $ python run.py 请参阅时期火车损耗实时图表。 经过训练的模型将作为ONNX导出到lenet.onnx 。 可以使用查看lenet.onnx文件 参考 [ ] Y. LeCun，L。Bottou，Y。Bengio和P. Haffner。 “基于梯度的学习应用于文档识别。” IEEE会议论文集，86（11）：2278-2324，1998年11月。

Radviz可视化：使用d3.js的Radviz可视化

3D代码怪兽 小工具可让您在3d环境中探索正在运行的代码。 传奇： 黄色立方体代表循环 绿球代表If语句 紫色球形代表函数调用 红球代表参数

植物病理学项目 项目描述： 该项目取自植物病理学。对影响农作物的许多疾病的误诊会导致化学药品的滥用，导致耐药菌病原体的出现，投入成本的增加以及更多爆发，造成重大的经济损失和环境影响。在这个项目中，我们将使用苹果叶片的图像来训练可以正确诊断感染和健康叶片的模型。我们将以对模型进行训练的方式来转换图像，以获取用户将提交的真实世界数据（不同的亮度，角度，叶片位置，颜色等）。 我们最初的目标是95％的准确性，使用EfficientNet b5之后，我们能够达到95.9％的准确性。重要说明是，此项目是使用Google Colab创建的，因此必须使用项目中指定的相同目录路径装载和格式化Drive，才能使用个人计算机运行该项目。 该项目的重点： 格式化要在ImageFolder和DataLoader中使用的图像目录。 图像增强可复制真实世界的数据示例。 为未标记的测试数据创建自定义数据集。 实施转移学习

世界石油 版权所有CC BY-NC-SA 2.0 2013 MIT许可证（ ） 使用D3.js的全球石油生产和消费数据可视化 在线：labs.timogrossenbacher.ch/worldoil

数据可视化：1900 年以来的地震 尝试处理 作为 Processing 的第一次用户，这只是深入了解 Processing 功能的好方法。 美国地质调查局有一个可追溯到 1900 年的精彩地震数据库，所以它们来了！

K-均值可见 K-Means聚类概念的可视化 演示： :