所用技术:Django + Echarts + scrapy爬虫(破解字体加密) + MySQL。 压缩包包括数据文件,采集脚本,可视化脚本,代码可以直接运行。
2024-06-28 18:42:44 12.63MB mysql python3 Django Echarts
1
资源中包含了诸多关于商品零售信息的资源,可作为数据分析与可视化的数据
2024-06-28 09:40:10 6.55MB 数据集 python 数据分析 数据可视化
1
毕业设计: 计算机基于Cesium时空数据可视化后台Java SSM框架
2024-06-25 15:04:31 11.23MB 毕业设计 Cesium
1
Pandas+python可视化技术对医疗数据进行数据与处理、数据分析、数据可视化
2024-06-22 17:58:40 82.96MB
1
pandas Python数据分析与可视化大作业 + 源代码 + 数据 + 详细文档 所使用第三方库介绍:numpy 、pandas、matplotlib、seaborn、wordcloud、sklearn
2024-06-22 17:54:21 7.77MB python 数据分析 可视化 pandas
1
python期末数据清洗可视化大作业
2024-06-22 13:44:04 14.94MB
1
本博客将介绍一种新的时间序列预测模型——FNet它通过使用傅里叶变换代替自注意力机制,旨在解决传统Transformer模型中的效率问题。FNet模型通过简单的线性变换,包括非参数化的傅里叶变换,来“混合”输入令牌,从而实现了快速且高效的处理方式。这种创新的方法在保持了相对较高的准确性的同时,显著提高了训练速度,特别是在处理长序列数据时更显优势。FNet的工作原理,并通过一个实战案例展示如何实现基于FNet的可视化结果和滚动长期预测。预测类型->多元预测、单元预测、长期预测。适用对象->受硬件所限制的时候,FNet是一种基于Transformer编码器架构的模型,通过替换自注意力子层为简单的线性变换,特别是傅里叶变换,来加速处理过程。FNet架构中的每一层由一个傅里叶混合子层和一个前馈子层组成(下图中的白色框)。傅里叶子层应用2D离散傅里叶变换(DFT)到其输入,一维DFT沿序列维度和隐藏维度。总结:FNet相对于传统的Transformer的改进其实就一点就是将注意力机制替换为傅里叶变换,所以其精度并没有提升(我觉得反而有下降,但是论文内相等,但是从我的实验角度结果分析精度是有下降的
1
数据分析 数据预处理 电影总票房 年份分析 时间序列分析 rating metascore 折线图 Python爬虫 beautiful soup jupyter notebook numpy pandas matplotlib 数据分析 数据挖掘
2024-06-21 20:22:53 6.08MB 数据分析 python 可视化 爬虫
1
用html+js实现的本地音乐播放器,无需插件即可运行,上传音乐、上一曲、下一曲、暂停、播放、列表循环、单曲循环、随机播放、音乐时长、进度条、进度条点击跳转播放这些基本功能都有,同时还实现了音频可视化,绘制环形频谱。直接浏览器打开music.html文件就能用了。
2024-06-19 03:29:10 3.04MB html javascript 音频可视化
1
Python Python数据分析与可视化大作业 + 源代码 + 数据 + 详细文档
2024-06-18 20:24:07 7.77MB python 数据分析 数据可视化 pandas
1