FlaskApp

1.数据清洗 2.聚类 3.逻辑回归 4.PCA降维 5.SVM支持向量机 这份压缩包涵盖了多个数据科学和机器学习领域的关键工具和技术，为数据分析和建模提供了强大的支持。在这个信息的宇宙中，我们可以发现一系列的宝藏，包括数据清洗的魔法、聚类的智慧、逻辑回归的推理、PCA降维的神秘和SVM支持向量机的力量。 首先，数据清洗是这份宝藏中的第一个星辰。它是数据科学的入口，通过神奇的数据处理手段，可以发掘、纠正和去除数据中的不准确、不完整或无效的信息。在这个压缩包中，数据清洗的魔法涵盖了各种情况，如处理缺失值、消除重复记录、格式规范化等。这个工具让数据焕发新生，为后续的分析和建模创造了纯净的舞台。 其次，聚类是这份宝藏的璀璨明珠。在这个信息宇宙中，聚类技术能够将数据分组，找到其中的潜在模式和相似性。它是数据中的探险者，帮助我们在海量信息中发现隐藏的结构和规律。在压缩包中，聚类技术为我们提供了一把探索数据空间的钥匙，使我们能够更好地理解数据的本质。 第三颗星星是逻辑回归的推理之星。在这个宇宙中，逻辑回归是一种强大的预测工具，通过对已知数据进行分析，预测未知数据的可能性。这个工具为我们揭示了

基于粒子群算法优化长短期记忆网络(PSO-LSTM)的时间序列预测。 优化参数为学习率，隐藏层节点个数，正则化参数，要求2018b及以上版本，matlab代码。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

新概念英语学习机是一款基于(新概念英语)教材的英语学习软件，它融合了“逆向学习法”和“疯狂英语”这两种英语学习方法的精髓，并加以创新，集英语的“听、说、读、写”等功能于一身，帮助您迅速提高英语口语和听力水平。软件全程采用高清真人语音（英音 美音）朗读，通过全文朗读、句子即点即读、跟读对比、听写测试等实用的软件功能，使用户在经过短暂的学习过程后就能够真正的快速提高英语的听说能力、阅读能力、翻译能力、以及用词造句能力。 新概念英语学习机主要功能： 1、课文初记： 以句子为单位去学习和理解整篇课文，每条句子都配有译文和真人读音，可自由设置每句的朗读次数和间隔时间。课文中的重点和难点句配有详细的注释，您也可以自行为句子添加注释。点击句中单词即可查看词义和音标，并有标准纯正的真人发音。通过鼠标点击还可将句中的任意单词设为生词，用于以后集中进行学习。 2、生词浏览： 自动播放课文中的默认生词和用户自行添加的生词，每个生词都配有释义，音标和真人读音，并与带有当前生词的句子同步显示。 3、填空练习： 以句子填空的方式拼写生词，并配以释义、音标、读音等多种详尽提示，帮助您高效地、彻底地掌握课文中的所有生词。 4、全文模式： 通过“全文模式”或“英汉对照”两种方式显示整篇课文，所有句子均可即指即读，同时具有查看和添加注释、取词翻译、设置生词、全文朗读等功能。 5、英汉互译： 隐藏课文中的英文或中文，再通过“点出中文”，“点出英文”等方式进行英汉互译练习。 6、听写测试： 通过听写或默写来检验您所学句子的掌握情况，当遇到不熟悉的单词时，可以进行“词长-解释-音标-读音-字母-单词-整句”提示，句子拼写完成后，系统会根据您的提示和错误次数进行评分，分数排行榜还能记录您每次测试的详细结果。 7、迷你模式： 以悬浮小窗口显示英文句子，可以让您在工作或娱乐之余不知不觉地学习英语，充分利用您使用电脑的时间提高英语阅读和听力水平。 8、课程复习： 根据着名的“艾宾浩斯遗忘曲线”原理，安排您在适当的时间进行7次复习，经过这7次复习之后，所学内容基本上就能牢记不忘。 新概念英语学习机 v3.85更新： 1.“全文模式”中增加全屏显示功能。 2.迷你模式中增加字体放大功能。 3.修正部分电脑上界面错位的问题。

使用说明 分对话系统和机器翻译两部分 data为数据集 model为训练的模型 translation文件夹下又分了Seq2Seq和transformer两个模型，大家按需查看使用 以transformer文件夹为例，attention.py主要实现了注意力机制，transformer.py实现了transformer的主体架构，data.py为数据的预处理以及生成了词典、dataset、dataloader，readdata.py运行可以查看数据形状，train.py为训练模型，predict.py为预测，config.py为一些参数的定义。 transformer机器翻译的模型是用cuda:1训练的，如果要使用可能需要修改代码 如：gpu->cpu，即在CPU上使用 torch.load('trans_encoder.mdl', map_location= lambda storage, loc: storage) torch.load('trans_decoder.mdl', map_location= lambda storage, loc: storage)

python django javascript bootstrap jquery 协同过滤 推荐算法 机器学习 影片显示、影片分类显示、热门影片排序显示、收藏影片排序显示、时间排序显示、评分排序显示、算法推荐、影片搜索、影片信息管理

数据集

数据标准化（Normalization）是指：将数据按照一定的比例进行缩放，使其落入一个特定的小区间。 为什么要进行数据标准化呢？ 去除数据的单位限制，将其转化为无量纲的纯数值，便于不同量级、不同单位或不同范围的数据转化为统一的标准数值，以便进行比较分析和加权。 通过手写Python代码对海伦约会对象数据集完成数据标准化归一化的预处理。 其中包含： （1）Min-Max标准化 （2）Z-Score标准化 （3）小数定标标准化 （4）均值归一化法 （5）向量归一化 （6）指数转换

PEMS 数据集是由美国加利福尼亚州的交通部门联合其他伙伴机构建立的统一公开交通数据库。美国加利福尼亚州的交通部门在交通路网上大约设置了超过39000 个交通监测站，交通管理部门安装在路网上的各类传感器可以实时地收集所在高速公路上的交通状况信息，越是接近市区人口密集的地区，传感器布置的也越密集，从分布上来看，这些传感器大多被安置在靠近市区的路段上。PEMS提供了超过十年的历史交通状况数据，整合了有关加州运输公司以及其他交通机构系统的各类信息。 PemsD3 交通数据集：数据由分布在加利福尼亚州高速公路系统（CalTrans）中选择 228 个站点数据。数据集从30 秒的数据样本聚合到5 分钟的时间间隔内。时间范围在 2012 年5 月和6 月的工作日的228 个站点交通速度信息，数据包括邻接矩阵和特征矩阵。 邻接矩阵是通过分析已有时空交通数据的特性，构建一种新的具有相似交通流量模式的 矩阵，特征矩阵是每个传感器节点的时间序列特征矩阵。

本文来自cnblogs，本文介绍基于区域提名的方法，包括R-CNN、SPP-net、FastR-CNN、FasterR-CNN、R-FCN和端到端（End-to-End）的目标检测方法，包括YOLO和SSD。普通的深度学习监督算法主要是用来做分类，如图1(1)所示，分类的目标是要识别出图中所示是一只猫。而在ILSVRC（ImageNetLargeScaleVisualRecognitionChallenge)竞赛以及实际的应用中，还包括目标定位和目标检测等任务。其中目标定位是不仅仅要识别出来是什么物体（即分类），而且还要预测物体的位置，位置一般用边框（boundingbox）标记，如图1(2)