Docker-TheForest专用服务器 这包括基于带有Wine的Docker的TheForest专用服务器和示例配置。 您需要运行什么 对Linux和Docker的基本了解 入门 警告:如果不执行步骤1和2,您的服务器可以/将不会保存! 通过创建一个新的游戏服务器帐户(使用AppID: 242760 ) 将登录令牌插入配置(在serverSteamAccount ) 在Dockernode上创建2个目录( /srv/tfds/steamcmd和/srv/tfds/game ) 使用以下示例启动容器: 重击: docker run --rm -i -t -p 8766:8766/tcp -p 8766:8766/udp -p 27015:27015/tcp -p 27015:27015/udp -p 27016:27016/tcp -p 27016:27016/udp -v
2021-11-02 00:18:28 9KB Shell
1
乳腺癌的抗癌药物是一个研究热点,ERα被认为是治疗乳腺癌的一个重要候选药物。本文基于抗癌药物筛选的热点问题,对候选药物化合物的多种分子标识符特征与其生物活性、ADMET性质之间的关系建立了数学模型,使用了线性回归、机器学习、神经网络、支持向量机、多目标优化等方法对化合物的生物数据进行了处理、预测、分类和参数值最优化,对候选药物化合物的选择提供了数据参考和可行思路。
2021-11-01 17:04:29 611.12MB 线性回归 随机森林 神经网路 支持向量机
1
手写数字识别 使用 SVM、决策树和随机森林进行手写数字识别 MNIST 数据集已经在 Datasets 文件夹下给出。 svmfile.py 直接在 mnist 数据集上使用 svm。 Decisiontreefile.py 与 mnist 数据集上的决策树一起使用。 randomforestsfile.py 适用于 mnist 数据集上的随机森林。 在源代码中,一些行被注释。 特别是对不太成功的不同内核进行了评论。 您可以取消注释它们以使用不同的内核测试系统。 对于决策树分类,最后绘制决策树。 为了更准确地看到它,请放大,因为决策树有点大。 mnist 数据集的加载器取自: : 其用法: from mnist import MNIST mndata = MNIST('./dir_with_mnist_data_files') mndata.load_training() mn
2021-10-30 12:30:11 10.96MB Python
1
随机森林实现及调参一、R语言方法一、手动调参方法二、网格调参二、python 注:本博客数据仍采用决策树调参的泰坦尼克号数据,前奏(数据预处理)请参考☞ 决策树R&Python调参对比☜ 一、R语言 方法一、手动调参 PS.仅使用常规包:randomForest和循环编写。 1-建模 set.seed(6) rf <- randomForest(Survived~.,data=train,ntree=100) y_pred <- predict(rf,test) A <- as.matrix(table(y_pred,test$Survived)) acc <- sum(diag(A))/su
2021-10-30 10:21:43 92KB python 射频 数据
1
受损森林生态系统的修复PPT课件.pptx
2021-10-28 13:03:30 215KB 专业资料
上市公司新闻文本分析与分类预测 简介 上市公司新闻文本分析与分类预测的基本步骤如下: 从新浪财经、每经网、金融界、中国证券网、证券时报网上,爬取上市公司(个股)的历史新闻文本数据(包括时间、网址、标题、正文) 从Tushare上获取沪深股票日线数据(开、高、低、收、成交量和持仓量)和基本信息(包括股票代码、股票名称、所属行业、所属地区、PE值、总资产、流动资产、固定资产、留存资产等) 对抓取的新闻文本按照,去停用词、加载新词、分词的顺序进行处理 利用前两步中所获取的股票名称和分词后的结果,抽取出每条新闻里所包含的(0支、1支或多支)股票名称,并将所对应的所有股票代码,组合成与该条新闻相关的股票代码列表,并在历史数据表中增加一列相关股票代码数据 从历史新闻数据库中抽取与某支股票相关的所有新闻文本,利用该支股票的日线数据(比如某一天发布的消息,在设定N天后如果价格上涨则认为是利好消息,反之则是
2021-10-27 10:54:26 5.39MB machine-learning text-mining webcrawling Python
1
解读决策树与随机森林模型的概念.docx
2021-10-26 11:01:48 321KB 技术方案
使用Python进行随机森林图像分类 使用Python的随机森林图像分类 请遵循以下文件夹结构。 图像分类(文件夹) 数据集(文件夹) 火车(文件夹) 图像Cat1文件夹 train_img.jpg train_img.jpg train_img.jpg ....... 图像Cat2文件夹 train_img.jpg train_img.jpg train_img.jpg ....... 测试(文件夹) test_img.jpg test_img.jpg test_img.jpg ....... 导出目录) 数据.h5 标签.h5 random_fo_image.py
2021-10-25 23:40:38 452KB JupyterNotebook
1
实现了2017年Improved progressive TIN densification filtering algorithm for airborne LiDAR data in forested areas一文中较高精度的滤波算法 调通代码后仍有问题,欢迎私信。
2021-10-24 11:24:23 7KB Python 激光雷达(LiDAR) 滤波
1
2020华为杯研究生数学建模大赛的B题,辛烷值建模,需要先对众多变量进行特征筛选,再进行变量和输出之间的对应关系。所以可以用随机森林来进行变量的特征筛选。这个是py文件。
1