Fruchterman-Reingold算法绘制有向力图 此实现的重点不是性能，而是尝试使用这种相对简单的算法并可视化其过程。 大意 绘制图形的想法只是简单地获取图形并以“令人愉悦”的方式将其显示在屏幕上，无论这意味着什么。 Fruchterman和Reingold处理此问题的方式是将顶点视为空间中的粒子，这些粒子对彼此施加排斥力，并对通过某个边缘连接的物体施加吸引力。 可视化 使用实现实时可视化。 以下是一些起始位置（随机）和结果位置的示例： 双K5 10个顶点的随机图。 [以p = 0.41生成，种子= -957442595] 20个顶点的随机图。 [以p = 0.15，种子= -173247684生成] 用法 执行 lein run 为了尝试其他图，您可能只需要更改的以下几行： ( def W 600 ) ( def H 600 ) ( def line-weight 3 ) (

TSNE-UMAP-嵌入可视化 一种简单易用的可视化嵌入方式！ 这个项目的博客文章在。 这个项目是什么？ 该项目是从派生。 它显示了如何在图像上使用预训练的InceptionV3模型并将其绘制在交互式3d地图中。 更新2020 Google已更新了嵌入项目，以支持新功能，其中包括对UMAP的支持。 为什么在独立投影仪上使用此功能？ 该项目使您可以可视化带有轻视堆栈的向量的任何阵列。 它旨在与任何库分离。 而且，它使用静态文件系统，因此您可以在不需要服务器的情况下发布结果。 例如 。 项目结构 |-- data <-- where to put raw data |-- Feature-extractor.ipynb <-- Demo of Embedding generation in a step by step fashion |-- index.html <-- The GU

一个命令行工具，转换DICOM卷到3d表面网格(obj, stl或ply)。几个网格处理程序可以启用，如网格减少，平滑或清洁。适用于Linux, OSX和Windows。- AOT-AG / DicomToMesh-源码

黑色星期五销售 黑色星期五销售数据集的探索性数据分析。 该项目分析了一个黑色星期五购物的小数据集，其中包含来自客户的人口统计数据。 在这里，我将采用统计和机器学习技术以及数据可视化来探索数据集。 给出的功能无法单手预测客户的购买行为，这就是该项目仅专注于探索性数据分析的原因。 数据已从数据科学网站Analytics Vidhya获得。 可以在“ BFS_functions_and_classes.py”中找到所使用的所有自定义函数和类的代码和文档。

La VizTo是用于管理lan或类似网络的工具包。 您可以创建和编辑基于树的网络视图。 它可以从nmap扫描等导入，并导出到清单列表，nagios，fwbuilder，区域文件等。

发光的时间序列可视化 你好

nat：NeuroAnatomy工具箱：一种R包，用于（3D）可视化和分析生物图像数据，尤其是单个神经元的描迹