365数据科学 此回购包含365 Datascience的Data Science课程的所有练习文件。 仓库被分成相关的文件夹，还有一个练习文件夹，其中包含该课程的所有文件。 跟我来了解更多Python / ML资源。 别忘了给它加注星：D

概述 该存储库包含： KNIME Python集成（主要版本2和3） KNIME Python集成（主要版本2）-已弃用 KNIME Jython集成 KNIME Python集成（主要版本2和3）是当前的默认Python集成，提供了节点连接到节点浏览器“脚本”类别中的python 2和python 3的节点。 数据传输基于使用Eclipse扩展点机制的可插入组件。 当前，可以使用三种不同的（反）序列化模块（下面进一步说明），它们提供了更高的内存效率和处理时间效率的数据传输。 旧的KNIME Python集成（主要版本2）已过时，将不再积极开发。 “ KNIME Jython集成”包括三个Snippet节点，这些节点提供了在KNIME中使用Jython的功能。 细节 KNIME Python集成（主要版本2和3） 包含的项目 org.knime.features.python2 ：包含

neo4j-graph-data-science-1.6.1-standalone.zip

中国科学技术大学 研究生课程 数据科学导论 Introduction to Data Science 课件PPT 主讲 刘琪

Stephen Chapman - Electric Machinery Fundamentals 电机基础斯蒂芬·查普曼，非常经典的电机教材，在谷歌学术引用超过2000次。

质子交换膜（PEM）燃料电池数据集 概述 该数据集是关于在各种操作条件下对PEM燃料电池进行的Nafion 112膜标准测试和MEA活化测试。 数据集包括两种通用的电化学分析方法：极化和阻抗曲线。 在该数据集中，考虑了H2 / O2气体的不同压力，不同的电压和不同的湿度条件在几个步骤中的影响。 可以从数据中得出PEM燃料电池在不同运行条件测试，激活程序以及激活分析前后不同运行条件期间的行为。 在极化曲线中，电压和功率密度随H2 / O2流量和相对湿度的变化而变化。 燃料电池使用的等效电路的电阻可以根据阻抗数据来计算。 因此，在给出的数据中该电池的实验响应是显而易见的，这对于PEM燃料电池研究中的深度分析，模拟和材料性能研究很有用。 有关MEA（膜电极组件）激活程序的更多信息，请访问 测验 笔记本电脑 我们提供了一些Jupyter笔记本来可视化数据，请访问此处 引用 如果您在研究中使用此

网络科学与Python和NetworkX快速入门指南 Packt发行的《使用Python的网络科学和NetworkX快速入门指南》 这是Packt发行的的代码库。 有效地浏览和可视化网络数据 这本书是关于什么的？ NetworkX是领先的免费开源软件包，用于使用Python编程语言进行网络科学。 NetworkX可以跟踪个人和关系的属性，查找社区，分析弹性，检测关键网络位置以及执行各种重要任务。 在版本2的最新发行版中，NetworkX已更新为更强大且易于使用。 本书涵盖以下激动人心的功能： 了解如何管理用户，组和权限 使用Linux Unified Key Setup / Luks加密和解密磁盘 设置SSH以进行远程访问，并将其连接到其他节点 了解如何添加，删除和搜索软件包 使用NFS和Samba与其他用户共享目录 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组

Oxford Dictionary of Science (5th Edition)牛津科学大辞典第五版原版.rar

network an introduction is the famous book for network science

纽约市-Airbnb-数据产品 纽约市Airbnb数据的数据分析，可视化和预测 描述 该项目分析了2019年从纽约市地区收集的Airbnb数据，该数据的列表范围从私人住宅到房间，邻里，邻里群体，价格等。该项目的目标是创建一个可以预测的模型未来的AirBnb价格以及城市中哪些街区最有利可图。 数据源 该公开数据集是Airbnb的一部分，其原始资源可在此上。 它包含定性和定量数据的混合，有48,895个条目和16列。 我们的模型将包括34,218个培训条目和14,666个测试目标标签PRICE的条目。 结果 模型 RSME平均值 RSME平均10倍 线性回归 0.495 0.498 随机森林回归 0.493 0.509 XgBoost 0.473 N 套索回归 0.693 0.698 模型 准确性 随机森林分类器 83.4％ 逻辑回归 84.5％ （整体最佳） 决策树 8