一种基于无图的基于工具的欺诈检测工具箱 简介： UGFraud是一个无监督的基于图的欺诈检测工具箱，它集成了几种基于图的最新欺诈检测算法。 它可以应用于二部图（例如，用户-产品图），并且可以估计节点和边的可疑性。 可以在找到已实现的模型。 该工具箱结合了基于Markov随机场（MRF）的算法，基于密集块检测的算法和基于SVD的算法。 对于基于MRF的算法，用户仅需要图结构和节点的先前可疑分数作为输入。 对于其他算法，图结构是唯一的输入。 同时，我们有一个的，该实现了基于最新图神经网络的欺诈检测器。 我们欢迎您添加新的欺诈检测器并扩展工具箱的功能。 在中列出了一些计划的功能。 如果您在项目中使用工具箱，请引用以下和使用的： @inproceedings { dou2020robust , title = { Robust Spammer Detection by Nash R

算术编码Python 该项目实现了称为算术编码（AE）的无损数据压缩技术。 该项目很简单，仅具有一些基本功能。 该项目支持将输入编码为浮点值和二进制代码。 该项目有一个名为pyae.py的主模块，其中包含一个名为ArithmeticEncoding的类，用于对消息进行编码和解码。 使用步骤 要使用该项目，请按照下列步骤操作： 进口pyae 实例化ArithmeticEncoding类 准备留言 编码消息 获取编码消息的二进制代码。 解码消息 进口pyae 第一步是导入pyae模块。 import pyae 实例化ArithmeticEncoding类 创建ArithmeticEncoding类的实例。 它的构造函数接受2个参数： frequency_table ：作为字典的频率表，其中key是符号，而value是频率。 save_stages ：如果为True ，则每个

Turbodbc-为数据科学家提供涡轮增压数据库访问。 Turbodbc是一个Python模块，用于通过接口访问关系数据库。 它的主要目标受众是数据科学家，他们使用的数据库没有有效的本地Python驱动程序。 为了获得最大的兼容性，turbodbc符合 。 为了获得最佳性能，turbodbc提供了内置的和支持，并且在内部依赖于批处理数据传输，而不是像其他流行的ODBC模块那样单记录通信。 Turbodbc是免费的（使用），是开源的（ ），可与Python 3.6+一起使用，并且可用于Linux，macOS和Windows。 Turbodbc已使用 ， ， 和进行了常规测试，但也可能

Python for everybody 是一本定位为入门级的Python应用教程，书中通过简洁有趣的语言及丰富的代码实例对Python的语言、数据结构等进行了详尽的介绍，是不可多得的Python优秀入门读物。

带有CSE-CIC-IDS-2018的指令检测系统 这是针对CIC-IDS-2018的具有随机森林算法的机器学习分析。 它仅使用“ Thursday-15-02-2018_TrafficForML_CICFlowMeter.csv”文件来分析DDoS攻击。 我将模型应用于通过Django和Django-Channels来利用sFlow的软件定义网络中的DDoS攻击。 在这里了解更多： : 信用：

可视化 prosper.com 借款人的状态 可视化、要点和 github 链接 可视化可以在这里看到： 。 概括 Prosper 是美国第一个市场借贷平台，拥有超过 80 亿美元的融资贷款。 了解更多信息，请访问 。 根据公布的贷款数据，我提取了每个州的贷款数量。 [数据/borrower_states.csv]。 公司应该关注贷款数量较多的州，但是如果这些州的人口数量已经非常多怎么办！为此，我创建了一个名为“score”的新变量来给每个州一个分数，这个分数的计算方式是对每个州的 (loans/population) 和 (loans/total_loans) 求和，然后将这些值映射到 0 到 1 之间的值。 因此得分较高的州意味着这些州的贷款数量和人口数量都很高，值得关注。 ->如下图所示，加利福尼亚州、伊利诺伊州和佐治亚州三个州的得分高于0.7，此外，还有18个州的得分高于0

生存分析最初是由精算和医学界开发并广泛应用的。 其目的是回答为什么现在发生事件而不是后来在不确定性下发生（事件可能指死亡，疾病缓解等）。 这对于对测量寿命感兴趣的研究人员非常有用：他们可以回答诸如哪些因素可能影响死亡的问题？ 但是，除了医学和精算科学外，生存分析还有许多其他有趣而激动人心的应用。 例如： SaaS提供商对衡量订户的生存期或采取某些第一行动的时间感兴趣 库存缺货是对商品真正“需求”的审查事件。 社会学家对衡量政党的一生，人际关系或婚姻感兴趣 A / B测试可确定不同组执行一项操作需要多长时间。 lifelines是生存分析的最佳部分的纯Python实现。 记录和生存分析简

应用数据科学界 这是IBM数据科学专业证书课程的基本项目。

Introducing-Data-Science-Big-Data-Machine-Learning-and-more-using-Python-tools.pdf

DS-Take-Home：我对《数据科学实战挑战的合集》一书的解决方案