蛋白质二级结构预测 仅通过查看蛋白质的氨基酸序列即可预测二级结构。 概要： 所有氨基酸序列被合并 使用20个氨基酸及其3个二级结构（E，H和t）或8个二级结构 使用滑动窗技术 尝试使用21和13的窗口大小 中间氨基酸的二级结构用于靶结构 窗口中的每个氨基酸都翻译成一个热编码 窗口中所有氨基酸的一键编码连接在一起以获得21x20矩阵 每个单热编码矩阵解释为1通道黑白图像 类似图像的输入被提供给模型 使用CNN 尝试过RNN，LSTM或GRU，但对精度影响不大 / trained-model下的用于预测3和8二级结构的训练模型 基准测试： 预测3个二级结构：％73 预测8个二级结构：％52 依存关系： 火炬 大熊猫 脾气暴躁的 Matplotlib 海生 scikit学习 火炬摘要 在Python 3.8.3 x64上测试 数据集： 可以移植到不同的数据集

Haberman_Survival_Dataset_Analysis

模拟退火 在本练习中，我们将实现几种本地搜索算法，并在数十个美国州首府之间的“旅行推销员问题”（TSP）上对其进行测试。 特别是，我们将专注于模拟退火算法，该算法是允许某些下坡运动的随机爬山的一种形式。 在退火计划的早期阶段，人们很容易接受下坡运动，然后随着时间的推移，下坡运动的频率降低。 时间表输入确定温度T的值作为时间的函数。

面部表情识别 一个用于识别实时网络摄像头图像上面部表情的卷积神经网络。 安装 该实现已通过Python 3.6.3进行了测试。 您可以根据需要使用conda或virtualenv创建全新的虚拟环境。 TensorFlow 正式conda ，因此pip用于软件包管理。 所有依赖项都可以在requirements.txt文件中找到。 激活Python 3环境后，您可以使用以下命令安装要求 pip install -r path/to/requirements.txt 实时预测 如果您的计算机装有网络摄像头，则可以即时计算预测。 脱下眼镜和帽子，开始进行实时预测 python webcam.py 训练 如果您想自己训练Tensorflow CNN，则需要从kaggle和获取。 对于CK +，您可以使用ckplus_to_csv.py脚本自动检测所有面Kong，解析灰度强度并将所有CK图像收集到

Python_LeetCode_Coding 数据科学访谈中有四个编码组件：数据结构和算法，机器学习算法，数学和统计以及数据（字符串）操作。 我在此存储库中实时编码了主要技术公司提出的真实面试问题，并在此处托管Python代码。 关于每个主题，我的数据科学博客上都有详细的技术博客文章： : 。 为了最大程度地利用此存储库，我建议您按照自己的节奏将材料和实践结合起来。 第1部分：数学和统计学： 第2部分：数据处理，第1部分： 第3部分：二进制搜索 第4部分：数据处理，第2部分： 第5部分：2021年为初学者磨练Python技能的3个简单问题 第6部分：面向数据科学家的Python Numpy和矩阵问题 第7部分：适用于初学者的Python主词典 https://towardsdatascience.com/master-python-dictionary-for-beg

道路裂缝检测神经网络 使用 keras 构建的卷积神经网络以 97.5% 的准确率检测道路裂缝。 这个 repo 包含一个 jupyter notebook 文件，用于正确理解图像数据集和模型训练。 #数据集

气候分析 该项目的目标是使用Python和SQLAlchemy进行基本的气候分析和数据集的数据探索。 数据包含在SQLite数据库中。 使用SQLAlchemy ORM查询，Pandas和Matplotlib完成了所有分析。 数据集 使用的工具 PyCharm-Python IDE Jupyter笔记本 Python-熊猫，NumPy，Matplotlib，SQLAlchemy，Datetime，Flask，Scipy 任务 将sqlite表反映到SQLAlchemy中 使用SQLAlchemy create_engine连接到sqlite数据库。 使用SQLAlchemy automap_base（）将表反映到类中，并保存对这些名为Station和Measurement的类的引用。 降水分析 设计了一个查询以检索最近12个月的降水数据。 从数据集中的最后日期算起的一年后的日期。

冲浪分析 概述 在此项目中，我们使用Jupyter Notebook进行了瓦胡岛的天气分析，并浏览了存储在SQLite数据库中的Weather Data。我们生成了摘要，并使用Flask在网页中显示结果。我们还完成了挑战中的两个摘要统计。 挑战中完成了以下任务。 确定6月的摘要统计信息。 确定12月的摘要统计信息。 资源 数据源：hawaii.sqlite 软体：Python 3.7.6，Visual Studio Code，1.52.1 结果 表1列出了6月份的摘要统计信息，表2列出了12月份的摘要统计信息。 表1 6月份摘要统计 表2十二月汇总统计 我们的结果表明： 6月的温度观测数大于12月的温度观测数。 6月有1700次总温度观测值，12月有1517次总温度观测值。 6月的平均气温高于12月。 6月的平均气温为74.94，12月的平均气温为71.04。差异为3.9。 12月的

DDAD-自动驾驶的密集深度 DDAD是TRI（丰田研究所）提供的新的自动驾驶基准，可在挑战性和多样化的城市条件下进行远距离（最大250m）和密集深度估计。 它包含单眼视频和准确的地面深度（在整个360度视野内），这些深度是由安装在跨洲环境中的自动驾驶汽车车队上的高密度LiDAR生成的。 DDAD包含来自美国（旧金山，湾区，剑桥，底特律，安阿伯）和日本（东京，台场）的城市环境的场景。 如何使用 可以在此处下载数据： （257 GB，md5校验和： c0da97967f76da80f86d6f97d0d98904 ）和 （ c0da97967f76da80f86d6f97d0d98904 GB，md5校验和： cb244da1865c28898df3de7e904a1200 ）。 要加载数据集，请使用。 以下代码段将实例化数据集： from dgp . datasets import S

监督学习算法