分类问题：分类模型

所有期刊英文缩写（来源web of science），运用R语言爬虫从WOS获取。

R 数据科学环境 具有完整 R (RStudio) 环境的 VM。 设置一个没有任何 faff 的 R 环境。 快速开始 假设 git、[Vagrant] 和 [VirtualBox] 已安装： host$ git clone https://github.com/snowplow/r-data-science-environment.git host$ cd r-data-science-environment host$ vagrant up 这将启动一个 VM，在其上安装和 ，然后启动 R Studio Server。 然后，您只需将浏览器导航到： http://localhost:8787 登录 username: rsuser password: rspword 并进行数据处理... 笔记 R 是一个需要 RAM 的程序——这个 VM 是建立在它运行在具有 16GB

xgboost代码回归matlab 数据科学 python 3.6中许多数据科学用例的探索性，培训和资源代码 资源 学习顺序 标题 关联 笔记 1个 数据科学的数据类型 Python数据类型概述 2个 Unix Shell数据科学命令 使用Unix命令的基本原理 3 Git介绍 提交，登台，删除和使用历史记录的常规命令 4 数据科学导论 Python基础知识和数据科学堆栈简介 5 数据科学工具箱第1部分 数据整理，计算，可视化和统计实践 6 数据可视化简介 Matplotlib主数据图和自定义介绍 7 熊猫基金会 使用pandas软件包进行数据整理和可视化的详细技术基础 8 用熊猫操纵数据框 使用通用DataFrame流程的技术 9 将DataFrame与Pandas合并 使用多个相关的DataFrames 10 Python数据科学工具箱（第2部分） 迭代器和生成器 11 用Python导入数据（第1部分） 导入平面文件，MATLAB，Strata和SQL数据 12 用Python导入数据（第2部分） 使用URL和API导入 13 SQL初学者和中级教程 基本语法，逻辑运算符和联接

Twitter爬虫 描述 Twitter的API限制您查询用户的最新3200条推文。 这是一个痛苦的屁股。 但是，我们可以使用Selenium并进行一些网络抓取来规避此限制。 我们可以在Twitter上查询用户的整个时间，找到他们每个推文的ID。 从那里，我们可以使用tweepy API查询与每个tweet相关的完整元数据。 您可以通过更改scrape.py顶部的变量METADATA_LIST来调整收集哪些元数据。 就我个人而言，我只是收集文本来训练模型，因此，我只关心full_text字段，除了该推文是否为转推文。 我在scrape.py顶部列出了所有可用的tweet属性，以便您可以随意

Data Science from Scratch, 2nd Edition

材料科学中数据库和数据集资源的收集 该集合包括物理，化学，机械和材料的所有其他属性的联机和脱机资源的列表。 帮助收集需要数据以练习机器学习技术的学生或发烧友是本系列的主要动机。 还有望在物质信息学领域为研究人员提供帮助。 在下面的前三个部分中，您可以找到可公共访问的数据库和数据集共享平台的列表，以及包括材料数据在内的书籍/手册的信息。 此外，在最后一节中，研究人员共享了两个玩具数据集，用于材料科学中机器学习技术的教育目的。 材料科学数据库 数据库名称 描述 几种不同材料类别的数据库 相变温度（例如，熔化，固相线，固溶线），晶格参数，热膨胀，弹性常数以及扩散系数和组成曲线 研究人员共享的不同材料的数据 与所有材料类别有关的数据集，出版物，馆藏 聚合物，无机材料，金属材料和计算电子结构 研究人员共享的不同材料的已发布数据 经典力场，密度泛函理论和机器学习计算的材料数据 无机化

深度学习示例 使用 Python 进行深度学习示例。 要求 numpy==1.18.5 scipy==1.5.2 tensorflow==2.2.0 pandas==1.0.5 matplotlib==3.2.2 scikit_learn==0.23.2 谷歌合作实验室 您可以在 Colab 上运行笔记本： 示例列表 数据集 任务 神经网络结构/细胞类型 回归 稠密 分类 稠密 图像分类 卷积 文本分类 循环，双向循环 时间序列预测 格鲁乌 异常检测 香草自动编码器，变体自动编码器 我的另一个存储库中的示例 数据集 笔记本 任务 神经网络结构 - 图像分类 - 医学诊断 卷积神经网络 资源 https://keras.io/examples/

numpy，pandas，scipy，scikit-learn等教程和源码，适合新手入门使用，非常全面！

Path Planning FINAL PROJECT REPORT For course: Projects in Computer Science and Engineering, HALMSTAD UNIVERSITY