蒸汽推荐

fern_fractal Python蕨类植物分形图

python-财务

Goodreads刮板机 这些Python脚本可用于从Goodreads收集书评和元数据。 我们之所以开发这种Goodreads Scraper的动机是因为Goodreads API难以使用，并且不提供对评论全文的访问权限。 相反，Goodreads抓取工具使用网络抓取库和来收集数据。 我们使用此Goodreads Scraper收集了文章“ The Goodreads'Classics'：对读者，亚马逊和众包文学批评的计算研究”的数据。 为了允许其他人重现（近似）本文中使用的数据，我们包括了一个文件，其中包含我们分析的144本经典书的144个Goodreads图书ID（ goodreads_classics.txt ）。 您可以使用这些ID如下所述通过Goodreads Scraper收集相应的评论和元数据。 注意：对Goodreads网站的更新可能会破坏此代码。 我们不保证刮板在

用于在乳腺癌微环境中基于张量的高阶相关分析的Python脚本。 如果使用此代码，请引用以下文章： Shi，M.，Klindziuk，L.和Mollah，S.，2020年。一种非负张量因子分解方法，用于消除乳腺癌中的卷积微环境。 bioRxiv。 1.ificant_test.ipynb RPPA和GCP数据的重要测试。 2. NTF_with_NCP.ipynb 基于NCP实现的非负张量分解。 3. NTF_with_Tensorly.ipynb 基于Tensorly实现的非负张量分解 4. PLSR_NCP.ipynb 基于NCP张量分解结果的PLSR相关分析。 5. PLSR_Tensorly.ipynb 基于NCP张量分解结果的PLSR相关分析。

IEEE-CIS-欺诈检测 该存储库包含有关IEEE-CIS欺诈检测数据集的深入探索探索性数据分析（EDA）。竞争是一个二进制分类问题-即我们的目标变量是一个二进制属性（用户是否使点击欺诈？），我们的目标是尽可能将用户分类为“欺诈”或“非欺诈”。 您可以阅读IEEE-CIS欺诈检测页面中的完整数据集概述和数据描述。 在此存储库中，您可以访问； EDA.ipynb：包含深入分析的Jupyter笔记本 util_data_cleaning.py：包含大量数据清除功能的Python文件。 util_reporting.py：包含大量可视化和报告功能的Python文件。 util_feature_engineering.py：包含大量数据准备和整理功能的Python文件。 您可以看一下我的Kaggle内核，以了解如何简化EDA流程：

棒球练习2-使用Python访问SQL表 纳什维尔软件学院的这个课堂练习是作为介绍如何使用Python访问SQL表的。 在将重点转移到我的个人顶峰项目之前，我完成了原始自述文件（如下）中显示的第一个问题的大部分。 这项任务是一个“伸展目标”，在我们开始专注于我们的个人顶峰项目时就被分配了。 Nasvhille软件学院的原始自述文件 拉曼棒球数据库练习...再次。 该数据已由Sean Lahman提供 您可以找到数据字典 使用PANDAS查找问题的答案。 你没听错！ 我们之前已经经历过这一过程。首先使用SQL，现在使用python / pandas。 随之而来的是一些规则。 您仍然需要连接到Lahman Baseball数据库（所有数据都存放在此数据库中）。 对于您回答的每个问题，这应该是您SQL的范围： SELECT * FROM ; 其他所有操作

MLP-神经网络-：多层感知（MLP）网络，对属于STL-10数据集中10个类别之一的图像数据进行分类

影像去雾 麻省理工学院最后一年项目 指标 生命周期评价 DehazeNet（50） DCP 曼 信噪比 20.96 16.23 11.82 13.9 SIM卡 0.75 0.619 0.56 0.60 褪色 0.8163 0.5130 0.3482 0.6574 NQIE 5.4881 2.7238 2.662 2.5453 中欧国际工商学院 3.0446 3.045 2.7513 3.1598 盲人2 53.0667 16.94 17.6778 17.3222 时间线 第1周 研究的除雾文献，有关DCP，除雾网，BPP，GCA，FFA等的论文 第2周 实现了数据集加载器并实现了一些预处理技术。为DCP编写代码，并从研究论文中除雾网络。 第3周 开始开发基于简单网络（如LCA）的基本体系结构，并为GCA，GMAN和dehazenet编写了代码。

航空公司-乘客-使用LSTM进行预测