美国事故分析 使用熊猫，seaborn和matplotlib等工具对美国事故数据集进行分析

Book_Recommendation_System

遵循Navier-Stokes的12个步骤：用Python构建CFD解算器。 此回购包含我在教授创建的交互式模块的交互式模块中用Python构建简单的CFD求解器所做的工作。 我在自己的网站上写了一篇简短的文章，介绍了该项目的背景知识，并展示了我在此过程中掌握的一些技能，您可以在。 该项目的主要目标是在Python中构建一个Navier-Stokes求解器，它将作为我今后所有CFD努力的基础。 在此过程中，我学到了很多东西，甚至着手不仅要完成本课程，而且要自己动手做。 考虑到这一点，我开始对我们在课程中构建的所有图进行动画处理，以便您可以更好地了解模拟的时间历史演变。 模拟展示 以下是一些我最喜欢的动画： 内容 此回购包括每节课的Jupyter笔记本，其结构与Barba教授的模块“ 12步骤到Navier Stokes”的结构相同。 您可以在Lessons文件夹中找到这些课程的我自己的版

机器学习应用于cfd 大纲 贡献者 介绍 该存储库包含有关如何在计算流体动力学（CFD）领域中使用机器学习（ML）算法的示例。 在基于CFD的研究过程中，可以将ML算法应用于不同的步骤： 预处理，例如，用于几何或网格生成 运行时，例如，作为动态边界条件或作为子网格规模模型 后处理，例如，创建替代模型或分析结果 另一种可能的分类是区分机器学习算法的类型，例如 监督学习：算法在给定的特征和标签之间创建映射，例如在卡车的形状和作用在卡车上的拖曳力之间 无监督学习：算法在数据中查找标签，例如，如果两个粒子p1和p2由其表面上的某些点表示（只有点列表，但不知道它们属于哪个粒子），则该算法将为每个点弄清楚它是属于p1还是p2 强化学习：在环境中活动的代理试图最大化（累积）奖励，例如，设置模拟解决方案控制的代理尝试尽快完成模拟，从而学习找到给定集合的优化解决方案控制-up（代理：某些程序修改求解器

信任飞行员刮板 适用于trustpilot.com评论的Python抓取工具。 依存关系 Python 3.6 lxml 3.7.2 要求2.12.4 用法 设置并配置以将您希望审阅的页面抓取到CSV文件中 使用模块将此CSV文件转换并清除为大多数文本分类算法使用的格式 情绪分析 运行scrape and clean之后，您可以使用sci-kit中的来学习文本分类。

使用K均值的客户细分 使用K-Means聚类算法根据新近度，频率和货币价值（RFM）指标对客户进行细分

鲍鱼 鲍鱼数据集的数据分析。

IPHIE-2018决策树 阿姆斯特丹IPHIE大师班2018的学生项目。 在R中使用决策树和随机森林分析数据集 糖尿病数据集-1999-2008年间美国130所糖尿病医院的数据集-https: 在Python中根据论文清理数据集-https:

时间表 pyschedule是python软件包，用于计算资源受限的任务计划。 一些功能是： 优先级关系：例如，任务A应该在任务B之前完成 资源需求：例如，任务A可以由资源X或Y完成 资源容量：例如，资源X只能处理一些任务 先前的用例包括： 学校时间表：指派老师上课 啤酒酿造：将设备分配到酿造阶段 运动时间表：将体育场分配给比赛 一个简单的pyschedule场景，其中需要将三个家庭任务分配给两个人（爱丽丝和鲍勃）： from pyschedule import Scenario , solvers , plotters , alt # the planning horizon has 10 periods S = Scenario ( 'household' , horizon = 10 ) # two resources: Alice and Bob Alice , Bob =

CIT_LSTM_TimeSeries 用于电力负荷预测的LSTM模型最佳深度学习使用特征选择和遗传算法进行电力负荷预测的LSTM模型：与机器学习方法的比较Salah Bouktif，Ali Fiaz，Ali Ouni和M. Adel Serhani