数据框 这是一个C ++统计库，提供类似于Python中的Pandas包的接口。 一个DataFrame可以具有一个索引列和许多内置或用户定义类型的数据列。 您可以采用许多不同的方式对数据进行切片。 您可以加入，合并，分组数据。 您可以对数据运行各种统计，摘要和ML算法。 您可以轻松添加自定义算法。 您可以进行多列排序，自定义选择和删除数据。 和更多 … DataFrame还以访问者的形式包含了大量的分析例程-请参阅下面的。 这些从基本统计数据（例如均值，标准偏差，返回等）到更复杂的分析（如亲和力传播，多项式拟合，赫斯特指数）等，请参阅以获取代码示例的完整列表，以及如何添加自定义算法。 我遵循了该库中的一些原则： 支持内置或用户定义的任何类型，而无需新代码 从不追踪指针ala linked lists ， std::any ， pointer to base ，...，包括virtual function calls 将所有列数据放在连续的存储空间中。 另外，请注意多列之间的高速缓存行别名缺失 永远不要使用超过您所需的ala unions ， std::variant ，...

连续小波变换的过程

自己写的一款连续截屏软件。用左键连续截屏，用右键取消，或者保持到桌面并用画图板打开截屏得到的图片。本软件包包含完整的源代码和应用程序。没有后门、没有病毒

两种代码实现叠加，看哪个更高效

连续输入5个100以内的数字，统计和、最小和最大

用C#写的计算器，代码注释的明明白白。只包括基础加减乘除，可以连续计算

西工大信号与系统上机实验2 连续LTI系统的时域分析 完整的实验报告

PredictionIO 模板：具有特征重要性的决策树 概述 引擎模板是引擎的几乎完整的实现。 在这个引擎模板中，我们默认集成了 Apache Spark MLlib 的决策树算法。 此回归引擎模板的默认用例是预测的价格。 您可以轻松自定义它以适应您的特定用例和需求。 我们将向您展示如何基于此模板为生产使用创建自己的回归引擎。 用法 与码头工人： 开始使用 predictio 的最佳方法是使用 docker。 从我们的形象 docker run -ti --dns=8.8.8.8 -p 9000:9000 -v /pathTo/template-decision-tree-feature-importance:/MyRegression ants/predictionio:v0.9.1 bash 构建Docker映像 按照的步骤： git clone https://github

受生物神经系统和人工神经网络 (ANN) 的启发，提出了一种新的元启发式优化算法来解决复杂的优化问题。 所提出的方法称为神经网络算法 (NNA)，它是基于 ANN 的独特结构开发的。 NNA 受益于 ANN 及其运算符的复杂结构，以生成新的候选解决方案。

wavelib：一维和二维小波变换（DWT，SWT和MODWT）的C实现以及一维小波包变换和一维连续小波变换