python的保姆级学习方法，建议初学者使用，大佬绕路

python 操作docker 命令， docker命令操作，镜像查看，运行，删除，导出，加载等操作...

用于说明如何短期免费使用腾讯云服务器资源，来运行自己的python3.7+pytorch代码，为疫情期间无法返校使用服务器的学生提供低成本的资源帮助。

对于进行水下图像处理的指标评定如PANR，SSIM，UCIQE,UIQM

1) fastText 2) TextCNN 3) TextRNN 4) RCNN 5) Hierarchical Attention Network 6) seq2seq with attention 7) Transformer("Attend Is All You Need") 8) Dynamic Memory Network 9) EntityNetwork:tracking state of the world 10) Ensemble models 11) Boosting: 包含这些模型的分类算法

本代码通过使用python代码实现CART带后剪枝决策树，使用pydotplus库绘制决策树，其中.cvs为数据文件，.png为绘制决策树图形，推荐在anaconda中运行.py 文件

代码概述 作者：Vassili Kitsios 这套代码计算正确的正交分解（POD）模式（也称为主成分分析或经验正交函数或奇异值分解）和Koopman模式（也称为动态模式分解或主振荡模式）。 稍后将POD模式用于以这些模式为基础来构建降阶模型。 这些代码是用python编写的，并使用了现成的库。 如果要在自己的项目中使用此代码，请引用以下文档： Kitsios，V.，Cordier，L.，Bonnet，J.-P.，Ooi，A.和Soria，J.，2011，关于前缘分离的翼型湍流再循环的相干结构和稳定性，流体学报力学，卷。 683，第395-416页。 Kitsios，V.，2010，不稳定分离流中的流体力学模式的恢复，博士学位论文，墨尔本大学 简要说明的文件和目录列表 以下每个目录包含一个结果目录（结果），一个包含python源代码的目录（src）和一个带有gnuplot脚本的

为什么要做降维： 提高计算效率 留存有用的特征，为后续建模使用 在项目中实际拿到的数据，可能会有几百个维度（特征）的数据集，这样的数据集在建模使用时，非常消耗计算资源，所以需要通过使用降维方法来优化数据集 线性判别分析（Linear Discriminant Analysis） 用途：数据预处理中的降维，分类任务（有监督问题） 目标：LDA关心的是能够最大化类间区分度的坐标轴成分 将特征空间（数据集中的多维样本）投影到一个维度更小的 k 维子空间中，同时保持区分类别的信息 原理：投影到维度更低的空间中，使得投影后的点，会形成按类别区分，一簇一簇的情况，相同类别的点，将会在投影后的空间中更接近

车辆速度检测 使用OpenCV检测车辆速度的简单python代码

时间 用于地理编码和计算行驶距离/时间的 Stata 和 Python 代码