基于MLP(多层感知机)的时间序列预测python源码+超详细注释
内容包含：
01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据
02.(多步+单变量输入)_(单步+单变量输出)_MLP模型
03.(多步+多变量输入)_(单步+单变量输出)_监督学习数据
04.(多步+多变量输入)_(单步+单变量输出)_MLP模型
05.(多步+多变量输入)_(单步+多变量输出)_监督学习数据
06.(多步+多变量输入)_(单步+多变量输出)_MLP模型
07.多路输入_(多步+多变量输入)_(单步+单变量输出)_MLP模型
08.多路输出_(多步+多变量输入)_(单步+多变量输出)_MLP模型
09.(多步+单变量输入)_(多步+单变量输出)_监督学习数据
10.(多步+单变量输入)_(多步+单变量输出)_MLP模型
11.(多步+多变量输入)_(多步+单变量输出)_监督学习数据
12.(多步+多变量输入)_(多步+单变量输出)_MLP模型
13.(多步+多变量输入)_(多步+多变量输出)_监督学习数据
14.(多步+多变量输入)
2022-12-02 14:29:41
16KB
基于CNN(卷积神经网络)的时间序列预测python源码+超详细注释
以CNN网络模型为示例，介绍了各种不同数据类型的网络结构
重点包含：
1.如何构造输入输出数据的形状
2.如何配置合适的网络参数来接受这些输入输出训练数据
本教程的目的是提供不同类型的时间序列预测模型的独立示例，作为模板，您可以针对特定的时间序列预测问题进行复制和调整
2022-12-02 14:29:40
18KB
基于LSTM(长短期记忆人工神经网络)_CNN+LSTM_堆叠式LSTM的时间序列预测python源码+超详细注释
以LSTM网络模型为示例，介绍了各种不同数据类型的网络结构
重点包含：
1.如何构造输入输出数据的形状
2.如何配置合适的网络参数来接受这些输入输出训练数据
本教程的目的是提供不同类型的时间序列预测模型的独立示例，作为模板，您可以针对特定的时间序列预测问题进行复制和调整
2022-12-02 14:29:39
18KB
人类活动识别(多变量分类)_根据智能手机数据对人类活动进行建模_python实现源码+数据+超详细注释
以LSTM网络模型为示例，介绍了各种不同数据类型的网络结构
重点包含：
1.如何构造输入输出数据的形状
2.如何配置合适的网络参数来接受这些输入输出训练数据
本教程的目的是提供不同类型的时间序列预测模型的独立示例，作为模板，您可以针对特定的时间序列预测问题进行复制和调整
2022-12-02 14:29:38
57.71MB
基于四种决策树实现预测大气污染日的概率模型项目源码+数据+超详细注释
任务：根据环境数据，预测当天是不是大气污染日
内容包含：
1.本程序使用了四种模型进行预测，并对四种模型预测效果进行评估测试，分别是：
袋装决策树（BaggingClassifier）
额外决策树（ExtraTreesClassifier）
随机梯度提升（GradientBoostingClassifier）
随机森林（RandomForestClassifier）
2.本程序通过对例4中的梯度提升模型调整参数，来提高预测的准确率。分别调整了深度，学习率，采样集，和树数，通过brier skill score值来评价结果
2022-12-02 14:29:37
640KB
一年一次的圣诞节刚刚过去，大家又一次吃了狗粮。你是否因为不知道送女朋友什么礼物而感到焦虑，那么这篇文章绝对有用！因为没有什么比酷炫的圣诞网页更有诚意了，还能顺便在女朋友面前展示以下自己高超的代码！
2022-12-02 14:00:50
4.26MB
1
本文实例讲述了纯CSS实现超简单的二级下拉导航菜单代码。分享给大家供大家参考。具体如下：
这是一款纯CSS菜单，二级下拉导航效果，是最简洁的CSS导航菜单，兼容性也很棒，IE7/8、火狐等都支持，而且它还是学习CSS菜单编写的典型教程，让你学会很多CSS技巧。
运行效果截图如下：
在线演示地址如下：
http://demo.jb51.net/js/2015/css-simple-2l-show-nav-menu-codes/
具体代码如下：
复制代码代码如下:<!DOCTYPE html PUBLIC “-//W3C//DTD XHTML 1.0 Transitional//EN”“http
2022-12-01 13:58:03
61KB
1
VMware安装Centos7超详细过程（图文），包括网络设置，防火墙配置等信息，亲测流程无误，值得下载！
2022-11-30 18:31:32
3.67MB
1