:pushpin: 项目动机 Athavani 或 Memories是一个全栈 MERN 工具，用于将您的所有回忆保存在一个地方，以便您可以全年享受它们。 :light_bulb: 项目背景 该项目的前端是在 Reactjs 和 Material-Ui 的帮助下构建的，并由 Nodejs 提供支持。 它的后端是使用 Expressjs 构建的，使用 MongoDB 作为数据库。 用户具有以下能力： 创造记忆 更新记忆 删除记忆 像一段特殊的记忆 一次获取所有内存 使用的技术 偷看我们这里有什么 :see-no-evil_monkey: ： 创造记忆 内存更新 像回忆 删除记忆 :star: 入门 Git 和 Github 的基础可以参考以下文章，也可以联系项目导师，以防万一： 如果您对开源一无所知，请观看此视频以开始使用 分叉回购 克隆一个回购 如何创建拉取请求 Git 和 GitHub 入门 :collision: 贡献指南 查看现有问题或创建您自己的问题！ 等待

HeartPy-Python心率分析工具包 喜欢HeartPy？ 别忘了留下星星！ 结构更新 HeartPy V1.2已着陆！ 现在，该软件包的结构已重新设计为单独的模块，以准备进行下一个重大更新，该更新将具有许多分析扩展功能，并为HeartPy的GUI迈出了第一步。 HeartPy一直在稳定增长，并已变得混乱不堪，难以保存在一个文件中。 API保持不变。 “示例”文件夹已添加到存储库中，并将很快展开。 现在有两个笔记本，说明如何分析来自智能手表和智能环的ppg信号。 增加了对色盲的支持，请参阅 安装 python setup.py install 另外，我们也在PIP上： python -m pip install heartpy 而已！ 请注意，Github始终具有最新版本。 文献资料 官方文档在线！ Python 2.7 该模块可以编译并在Python 2.7上正常运行，但

心脏病发作预测 使用Logistic回归，K最近邻，支持向量机和内核支持向量机算法（无需探索性数据分析）通过机器学习进行简单的心脏病发作预测。

模仿Instant Heart Rate效果的心跳检测器 地址：http://blog.csdn.net/yangzl2008/article/details/11081067

heart.csv、gisette.csv+elevators.csv+glass.csv 数据集 学习用（心脏病、豆瓣、gisette......）

沙迪克机原版UTY编程软件 日本Sodick 沙迪克 中文版原版破解版 UTY编程软件

心脏病是人类健康的头号杀手，每年全世界有1/3的死亡人口是由心脏病引起的，在我国每年有几十万人死于心脏病，通过体检数据建立一套心脏病预测系统是非常实用的。 一共两数据heart-disease.names cleveland.data new.data

Heart_Failure_Prediction 数据集： 该数据集已从UCI数据存储库中获取。 目的 ： 开发强大的混合机器学习算法来预测患者的心力衰竭，以便患者可以跟踪自己的心脏状况并采取正确的预防措施。 要阅读完整的笔记本以及所有图形，请下载文件。 问题描述 创建模型以预测患者因心力衰竭死亡的可能性。 这是一个二进制分类问题，因为目标类（死亡事件）由两个类True或False组成 功能说明 年龄：患者年龄（以年为单位） 贫血：红细胞或血红蛋白减少 高血压：如果患者患有高血压 肌酐磷酸激酶：血液中CPK酶的水平（mcg / L） 糖尿病：如果患者患有糖尿病 射血分数：每次收缩时离开心脏的血液百分比 性别：女人或男人 血小板：血液中的血小板（千血小板/ mL） 血清肌酐：血液中的肌酐水平（mg / dL） 血清钠：血液中的钠水平（mEq / L） 吸烟：如果患者吸烟 时间

心衰预测 根据患者的医学和临床指标预测其生存和死亡率 用于该分析和建模的数据集是从Kaggle网站下载的。 归功于数据集作者： Davide Chicco，Giuseppe Jurman：机器学习可以仅凭血清肌酐和射血分数来预测心力衰竭患者的存活率。 BMC Medical信息学和决策制定20，16（2020） 。 数据集可以根据Attribution 4.0 International（CC BY 4.0）的许可证自由共享和使用。 注意：如果笔记本无法打开，请使用。

心脏疾病数据集的数据分析 我在Kaggle网站心脏病数据集上使用R进行了数据分析。 可在此处获取分析的pdf版本。 如果有问题，请发表评论，并帮助我改善代码并学得更好。 该分析包含：单变量分析，PCA和聚类