深度学习，李宏毅学习周笔记，训练的基本步骤，学习线性模型以及Sigmoid函数，神经网络，python简单程序实践（B站 开开心心学python）

随着全球变暖，我们是时候进行预测全球温度，对未来进行预防。本实验运用了MLP与线性回归两种算法去预测未来全球温度，运用MSE和RMSE比较两种算法的准确性，并用matplotlib画出图像，对于数据集，我们对外网的全球温度数据进行了整理，对于缺失值，进行了删除（为了保证数据准确性，若不追求，也可以进行动态填充）。

在这个项目中，实施并探索了一种机器学习方法，将创业公司分为两类（成功和失败）。该项目的数据集是从Crunchbase获取的。它由11个不同的表格组成，其中包含创业公司、投资者、关系和创始人在生态系统中的背景等信息。四个表入围并合并为一个数据集。然而，在数据转换和预处理之后，由于数据稀疏，必须丢弃大量数据。最终的数据集由61716个创业实例和36个功能组成。还进行了特征缩放，将特征数量减少到7个，同时保持相同的预测能力。

python 连接数据库操作, 方法如下: 在本机的mysql 数据库中有一个名为yao的库，其中有一个名为user的表，表中的内容如图 下面，则是python连接数据库的方法，及查找出表中的内容，代码如下： #! /usr/bin/python # filename conn.py import MySQLdb # 载入连接数据库模块 try: # 尝试连接数据库 conn = MySQLdb.connect("localhost","root","www","yao",charset="utf8") # 定义连接数据库的信息 exc

Graphviz is open source graph visualization software. 在Python中使用Graphviz，不仅需要安装相关的Python包，还需要安装Graphviz程序。该资源即为Graphviz安装程序（不是graphviz的Python包） 注：记住安装路径！！！

利用python中的深度学习库keras，对IMDB电影数据集建立了神经网络模型进行分析，涉及原始电影数据的词嵌入处理技术，附有完整的Python代码以及注释。

基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4j搭建金融风控图谱.rar基于neo4

基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用RFM+R模型量化用户价值进行金融产品精准营销.zip基于使用

石家庄20160701-20170701.csv

机器学习 python 决策树 实验