高级项目 我研究了使用不同的机器学习算法和python来预测英超联赛足球比赛的结果。 这是我高三毕业时作为Goucher大学计算机科学专业的Capstone项目。 我使用whoscored.com的数据,创建了用于预测游戏效果的大多数指标。 我表现最好的算法是Logistic回归模型和Random Forest Regressor(它们的精确度为68%)。 考虑到我只有357个数据点(仅包括108个验证测试集数据点),这给人留下了深刻的印象! 文件: MyCapstone.ipynb: 该文件是一个jupyter笔记本,其中包含我在数据处理,数据分析和机器学习建模中使用的所有代码。 Table4.csv 这是一个csv文件,其中包含基于whoscored.com数据的数据,我已对其进行处理并将其用于执行预测。
2022-12-22 22:34:04 64KB JupyterNotebook
1
赛题试题非常完整,包括了前几届的开发试题,下载后勤加练习,保证每套中没有盲点,都可以拿到不错的成绩。 本队参加了第十一届全国大学生GIS应用技能大赛获得全国一等奖。 资源内是团队成员训练一个月撰写的结果,除了开发部分其他内容均已完善。前几届上午试题内容较少,可能内容不如近几届内容完善,请见谅。
1
文章地址:https://blog.csdn.net/qq_45894840/article/details/124012813 免费下载
2022-12-21 13:00:32 321.2MB 中职网络安全比赛 misc ctf
1
AoiAWD-轻量级EDR系统 AoiAWD是一个由Aodzip(安恒信息海特实验室模拟,HAC战队​​成员)维护的一个针对于CTF AWD模式的开源项目。在GNU AGPL-3.0许可下使用该项目和共享该项目的源码。 应用场景 在常见的AWD比赛中,选手通常拥有一台(或几个台)开放了SSH服务和过渡服务的“靶机”作为自己防御的阵地。 在实际比赛中,主办方经常会限制选手的SSH权限到一般用户/仅可管理过渡的权限。并且针对一些常见的通用防火墙脚本(通防脚本)进行样式检查。 AoiAWD是针对上述场景的限制和痛点设计的,组件之间基于套接字的通信技巧灵活部署,具有图形可视化界面。 ,可以绕过绝绝大部分检查脚本的行为检查。支持如下维度的行为捕获能力: Web输入输出数据捕获,输出流量修正改(没错,你可以动态替换掉输出的标志为任意字符串) PWN类过渡输入输出交互流量包捕获,当次运行时内存结构
2022-12-14 13:56:36 3.02MB 系统开源
1
赛题试题非常完整,包括了前几届的开发试题,下载后勤加练习,保证每套中没有盲点,都可以拿到不错的成绩。 因为CSDN资源受限,资源需要分批下载,见我的资源分享,分为两批:1-5,6-10 本队参加了第十一届全国大学生GIS应用技能大赛获得全国一等奖。
1
赛题试题非常完整,包括了前几届的开发试题,下载后勤加练习,保证每套中没有盲点,都可以拿到不错的成绩。 因为CSDN资源受限,资源需要分批下载,见我的资源分享,分为两批:1-5,6-10 本队参加了第十一届全国大学生GIS应用技能大赛获得全国一等奖。
1
包括60,000多场比赛(自1946赛季第一个NBA赛季以来的每一场比赛),包括记录数据的比赛Box score、比赛摘要、官员、不活跃球员、线分、最后对决数据、赛季系列信息、比赛视频可获得的30支球队的信息包括球队的一般细节(球场,主教练,总经理,社交媒体链接等),特许经营历史信息(名字变化,地点变化等)4500名球员基本选秀数据,之前的隶属关系,职业生涯统计。解剖学数据(身高和体重)和更多,与扩展计划等,
2022-12-09 11:27:58 349.12MB 数据集 NBA 深度学习 篮球
使用java语言,进行八皇后算法课程设计,参加高校计算机教师技能比赛案例,详细的课堂内容规划。 引入了游戏开发元素,吸引学生学习。
2022-12-09 09:35:39 127.26MB 八皇后案例技能比赛
1
包含Kaggle比赛:房价预测数据集,实战的介绍文档及预测结果。 房价预测数据集分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征,如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格,也就是标签。
2022-12-08 15:28:47 196KB kaggle比赛 房价预测 深度学习实战
1
足球预测 SoccerPredictor使用机器学习来预测英超联赛的比赛结果,重点是预测胜负(对应于对双倍机会的押注)。 预测以非常规方式建模为时间序列分类。 将为每个团队创建一个神经网络模型,并同时对其进行训练。 注意:请记住,由于我没有发布数据集,因此您将无法进行实际的培训。 如果您想对其进行测试,则必须自己组装。 提供更有趣功能的网站很难抓取,但绝对有可能。 因此,如果您想构建类似的东西或者只是看看我是如何实现各种东西的,则可以将其作为主要灵感。 如果没有数据集,则只能对附加的文件集进行可视化和回测。 这主要用于演示目的。 请参考随附的以获取有关该程序如何工作的更多信息。 结果 在测试期间,获得的最佳结果是利润1069 % ,预测精度约为90 % ,ROI为33.4 % 。 测试期间的时间跨度为113天,押注了150场比赛中的32场。 安装 运行该程序需要手动安装,例如:
2022-12-07 16:13:46 2.41MB python machine-learning time-series tensorflow
1