AnimeGAN_tensorflow 源代码和数据集合

互联网,广告,的用户行为分析,和数据挖掘.

Eviews学习课件和数据，有利于经济分析和季节调整，包括了Eviews基本使用和季节调节的具体说明

资源中包含逻辑回归算法的Python代码和测试数据，python的版本为3.6，您运行代码前，将测试文件路径修改为您本地的存储路径，使用pycharm平台运行即可。

机器学习数据科学的常用的Python包的常用命令速查表，包含sklean, kereas, tensorflow, pandas, numpy, scipy等

中科大Python应用简介，关于网络爬虫，python和数据分析简介

这里面包含了k-means实现代码以及数据集，里面的注释比较简洁，但足以让你能够看懂。本代码是本人亲自试过多次，请放心使用。记得使用时改下代码里面的包名和你数据所放的位置，本代码中是放在D盘中的，你可以根据需要进行修改。。。。

NBA快照 D3所有NBA球员及其2018-2019年统计数据的可视化 居住 使用的技术 HTML和CSS D3.js D3提示 主要特点 使用JavaScript，D3.js和D3技巧构建的基于SVG的可视化 代码段 最初，我计划在开始时显示所有播放器名称，但是我没有考虑到不同的屏幕尺寸会访问该应用程序这一事实。 此外，在放射状的树中拥有600多个全名非常难以在移动设备上读取，因此，我决定实现一个队列，该队列将跟踪用户节点交互并将用户限制为同时开放6个团队。 function click ( d ) { counter . getUnique ( ) ; console . log ( counter ) if ( d . children ) { if

提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.

人工神经网络 纸质数据和代码 这是AAAI 2019论文： 的代码。 我们已经在Tensorflow和Pytorch中实现了我们的方法。 这是我们在论文中使用的两个数据集。 下载数据集后，您可以将它们放在文件夹datasets/ ： 友情链接： ://2015.recsyschallenge.com/challenge.html DIGINETICA： ://cikm2016.cs.iupui.edu/cikm-cup或 文件夹datasets/包含一个小的数据集sample ，可用于测试代码的正确性。 我们还写了解释该论文。 用法 您需要先运行文件datasets/preprocess.py来预处理数据。 例如： cd datasets; python preprocess.py --dataset=sample cd datasets; python preproces