比如说分析气机功率与蒸汽压力设定值的关系、蒸汽流量（压力）与氧含量设定值的关系、炉膛温度与空燃比上下限的关系等等！查看各变量之间相互影响！

约瑟夫问题数组模拟实现 C++源代码 acm 数据结构与算法.txt

机器学习与算法源代码2： 数据分析的基本武器.zip

机器学习与算法源代码12： 数据降维之PCA主成分分析.zip

机器学习与算法源代码13： 数据聚类与分群.zip

粒子群算法PSO、毕设论文、Matlab源代码、实验数据

1、内容概要：本资源主要基于TextCNN（keras）实现文本分类，适用于初学者学习文本分类使用。 2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。 3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。 4、源代码：textcnn_model.py是基于Keras构建CNN、TextCNN卷积神经网络模型对文本进行分类。

该单词库功功能实现：1.四级、六级、托福、雅思、普通成人高考词汇查看与搜索 2.选择不同速度播放。 3.计时。可记录自己学习了多长时间 包括自己写的源程序。还有这个程序的原始图片、数据库等资料。

1、内容概要：本资源主要基于bert（keras）实现文本分类，适用于初学者学习文本分类使用。 2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。 3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。 4、源代码：bert_model.py是基于keras-bert构建Bert模型对文本进行分类。

1、内容概要：本资源主要使用深度学习相关方法构造漏洞分类模型进行实验调研。适用于初学者学习软件漏洞分类使用。本次实验使用的是从2002年到2019年5月份的NVD漏洞数据。详见资源nvdcve文件夹。 2、源代码文件说明 （1）xml_to_excel.py：漏洞数据预处理脚本，将xml格式NVD原始数据转换为excel格式的标准漏洞文件。 （2）vul_plot.py：统计和可视化漏洞数据脚本。nvd_dataset.py：获取前n个漏洞类型的数据脚本。features_keywords.py：特征提取脚本，训练集和测试集文本向量化。 （3）lstm_model.py：构建双向GRU分类模型Bi-GRU；C-LSTM串联模型；构建word2vec模型；数据预处理 ；指标评价可视化。 （4）cgru_model.py：TextCGRU串联，构建word2vec模型；数据预处理；指标评价可视化等。 3、figures文件夹包含模型图绘制，评价指标可视化。 4、nvdcve文件夹包含原始数据，预处理数据，词向量模型w2v_model.pkl和分类模型较大自己训练即可）。