根据语法分析树判断是否为合式公式
2021-12-01 13:40:35 5.11MB PPT
1
钻石无处不在 介绍 在世界上,钻石因其美观和特性而成为人们最垂涎的对象。 他们昂贵的采购和稀缺性使钻石产品在市场上具有很高的价值。 但是,可以根据钻石的特性计算出该值吗? 在这个项目中,我们打算使用监督学习来创建预测模型,该模型使用一系列钻石变量来预测其他钻石的市场价值。 过程 打扫 清理过程首先检查数据集。 发现存在分类变量和数字变量的地方。 还观察到没有空值。 消除了无用的列,并对分类变量进行了编码,我们选择按序数形式对它们进行分类,因为存在分类顺序,因此考虑到顺序,将分类值替换为数值。 造型 使用的模型是线性回归,使用HyperOpt选择超参数的随机森林Reggresor,以及由Pycaret选择的第三个模型,最终将成为LightGradientBoostingMachine。 使用的度量是“ mean_square_error”。 数据 该项目使用的数据数据是从以下获得的
2021-12-01 09:01:59 1.22MB JupyterNotebook
1
根据位置式PID控制算法得到其程序框图。 在仿真过程中,可根据实际情况,对控制器的输出进行限幅:[-10,10]。 1.3.1 位置式PID控制算法
2021-11-30 19:56:22 1.74MB PID 先进PID PID控制 控制
1
iOS-自定义下拉刷新上拉加载(可根据自己的需求改) 欢迎关注 http://blog.csdn.net/u014220518/article/details/54407135
2021-11-30 17:47:55 598KB ZFJRefresh
1
根据综合查看股票的买入/卖出建议三个指标:SMA、MACD 和 RSI 句法: smr_strategy 输入: 没有任何输出: 没有任何需要互联网连接。 该工具自动对股票数据进行技术分析,并建议投资者买入或卖出特定股票的时间。 股价与时间的关系图包含红点和绿点。 红点对应于该策略建议出售的天数,并带有绿点对应于策略建议购买的天数。 定义: -MACD:移动平均收敛/发散。 之间的区别股票的长期和短期指数移动平均线价格-MACD 信号:上述 MACD 的 EMA -SMA:简单移动平均线。 最近n的平均股价天-RSI:相对强弱指数。 在 0 到 100 之间波动。超过 70 是被视为“超买”(并预计会下跌)而低于 30 表示“超卖”(预计会上涨) 建议基于简单移动平均线、相对强弱指数、 和移动平均收敛/发散。 该算法对这个策略来自《最整洁的股票小指南》一书市场投资”由 Jason K
2021-11-30 17:20:46 31KB matlab
1
C#三层酒店管理系统(完整源码,可根据需求自己修改)__0525.rar
2021-11-30 17:01:51 4.5MB c#
1
JAVA根据文件名检索文件JAVA根据文件名检索文件JAVA根据文件名检索文件JAVA根据文件名检索文件JAVA根据文件名检索文件JAVA根据文件名检索文件JAVA根据文件名检索文件
2021-11-30 16:48:23 3KB 检索文件
1
-Cycloidal-gearbox-design- 使用matlab根据给定的参数设计摆线,并生成摆线数据于data.txt中,直接拷贝进入CAD可以使用样条曲线偏移生成摆线减速器的线轮 参数说明: d:轮廓直径,滚针布局的轮廓圆的直径 d_roll:滚针直径 e:偏心距离 ratio:减速比 程序中的例子结果 操作步骤 步骤一 将数据文件data.txt打开复制里面的数据(Ctrl+a, Ctrl+c)。 步骤二 在CAD中鼠标选中样条曲线(或者在命令行中键入_spline),然后将鼠标光标移动到CAD的命令行中,复制刚刚拷贝的数据(Ctrl+v)。 按回车 开启极轴,将鼠标箭头放在样条曲线最后一个点的正下方左击,然后鼠标移动到最后点的正上方单机。完成摆线的绘制。 如图 绘制线轮外轮廓
2021-11-30 16:33:17 77KB MATLAB
1
LIPRAS:线轮廓分析软件(LIPRAS)是图形用户界面,用于粉末衍射数据中布拉格峰的最小二乘拟合。 对于输入数据的任何区域,用户可以选择要应用于拟合的轮廓函数,约束轮廓函数,并根据所选的轮廓函数查看结果拟合
2021-11-29 17:13:23 10.62MB gui matlab data-analysis diffraction
1
原始论文的简单 DBSCAN 实现:“A Density-Based Algorithm for Discovery Spatial Databases in Large Spatial Databases with Noise”——Martin Ester 等人。 DBSCAN 能够对带有噪声的任意形状进行聚类。 由于没有实现空间访问方法,运行时间复杂度将是 N^2 而不是 N*logN。 ****************************************************** **************************** 包含带有螺旋合成数据集的附加演示 (demo.m)。 并且还提供了聚类的逐步动画(demo_stepwise)。 ****************************************************** ******
2021-11-29 16:41:25 119KB matlab
1