数据挖掘及其近年来研究热点介绍
2024-08-01 20:52 | 分类:前端脚本 | 评论:0 次 | 浏览: 51
数据挖掘技术通过从数据中提取有价值的信息和知识,帮助人们更好地理解和利用数据,例如发现隐藏在数据背后的模式和规律、提供决策支持和预测能力、优...
Data Science-Data Mining部分
2024-08-01 20:52 | 分类:前端脚本 | 评论:0 次 | 浏览: 47
以下内容来自课堂笔记,简单整理了Data Science的Data Mining部分。
【数据挖掘】实验1:R入门(内含详细R和RStudio安装教程)
2024-08-01 20:51 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
在R console中利用【installed.packages()[,c('Package','Version','LibPath')]】...
R语言microeco:一个用于微生物群落生态学数据挖掘的R包(构建microeco对象。
2024-08-01 20:50 | 分类:前端脚本 | 评论:0 次 | 浏览: 54
在sample_table的rownames和otu_table的colnames中,所需的样例名称必须相同。分类群丰度图,维恩图,Alph...
使用pytorch实现线性回归(很基础模型搭建详解)
2024-08-01 20:49 | 分类:前端脚本 | 评论:0 次 | 浏览: 66
使用pytorch实现线性回归步骤:1.prepare dataset2.design model using Class 目的是为了前向传...
apex安装常见的三个报错并成功解决(亲测有效)
2024-08-01 20:49 | 分类:前端脚本 | 评论:0 次 | 浏览: 56
TypeError: Class advice impossible in Python3. Use the @implementer c...
【大虾送书第二期】《Python机器学习:基于PyTorch和Scikit-Learn 》
2024-08-01 20:49 | 分类:前端脚本 | 评论:0 次 | 浏览: 59
Python深度学习“四大名著”之一全新PyTorch版!PyTorch核心维护者Dmytro Dzhulgakov亲笔作序推荐!从初学者角...
使用Pytorch从零开始构建LSTM
2024-08-01 20:49 | 分类:前端脚本 | 评论:0 次 | 浏览: 60
虽然 LSTM 是一种 RNN,其功能与传统 RNN 类似,但它的门控机制使其与众不同。该功能解决了 RNN 的“短期记忆”问题。从图中我们...
PyTorch LSTM谷歌股价预测(完整代码与训练过程)
2024-08-01 20:48 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
基于LSTM模型的股票预测任务,是领域的经典任务之一。这篇文章我将带大家使用这四个开源工具,完成从Google股票数据集的准备、代码编写、可...
pytorch中nn.module如何自动调用forward()方法
2024-08-01 20:48 | 分类:前端脚本 | 评论:0 次 | 浏览: 63
nn.Module自动调用forward方法的内部实现原理以及源码分析
【深度学习基础】用PyTorch从零开始搭建DNN深度神经网络
2024-08-01 20:48 | 分类:前端脚本 | 评论:0 次 | 浏览: 60
本文介绍了神经网络的基本原理,并给出了一个非常简易的实例。神经网络可以通过对训练集样本的学习,建立一个从输入值模拟到输出值的过程,即实现对输...
Pytorch:backward()函数详解
2024-08-01 20:48 | 分类:前端脚本 | 评论:0 次 | 浏览: 57
.backward() 是 PyTorch 中用于自动求导的函数,它的主要作用是计算损失函数对模型参数的梯度,从而实现反向传播算法。
用Pytorch构建第一个神经网络模型(附案例实战)
2024-08-01 20:48 | 分类:前端脚本 | 评论:0 次 | 浏览: 76
PyTorch是一个基于python的科学计算包,主要针对两类人群:作为NumPy的替代品,可以利用GPU的性能进行计算作为一个高灵活性、速...
pytorch如何确保每次实验可重复性(每次训练测试结果相同)(模型每次结果也不一样的问题解决方法)(固定随机种子等操作)
2024-08-01 20:47 | 分类:前端脚本 | 评论:0 次 | 浏览: 59
Pytorch使用不确定算法——Avoiding nondeterministic algorithms。CUDA卷积优化——CUDA co...
一切皆是映射:TensorFlow 和 PyTorch 实战对比
2024-08-01 20:47 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
人工智能(AI)和深度学习(ML)是目前最热门的技术领域之一。其中,深度学习模型需要大量的数据来进行训练,以便能够在各种应用场景中提供准确的...
Mac配置pytorch的保姆级教程!!
2024-08-01 20:46 | 分类:前端脚本 | 评论:0 次 | 浏览: 69
本篇文章将介绍Mac用户如何配置PyTorch,需要事先完成的准备工作如下:安装AnaConda安装PyCharm安装python视频版教程...
数据分析-Pandas分类数据的类别处理
2024-08-01 20:46 | 分类:前端脚本 | 评论:0 次 | 浏览: 61
数据分析和处理中,难免会遇到各种数据,那么数据呈现怎样的规律呢?不管金融数据,风控数据,营销数据等等,莫不如此。如何通过图示展示数据的规律?...
Python大作业——爬虫+可视化+数据分析+数据库(数据库篇)
2024-08-01 20:46 | 分类:前端脚本 | 评论:0 次 | 浏览: 55
msg_box = QMessageBox(QMessageBox.Warning, ‘温馨提示’, ‘用户名和密码不能为空’)msg_bo...
使用SPSS进行简单的数据分析(数据+报告+过程)
2024-08-01 20:45 | 分类:前端脚本 | 评论:0 次 | 浏览: 65
使用SPSS进行数据分析的全过程。包括数据导入、数据设定、数据统计和数据分析。
【脑电信号处理与特征提取】P5-彭薇薇:脑电信号的预处理及数据分析要点
2024-08-01 20:45 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
脑电是神经活动的测量方法,在不同位置测量有不同的方法。比如大脑皮层表面测量的是ECoG,在头皮测量的是EEG。除了EEG是无损的,其他都是有...
Spearman 相关性分析法,以及python的完整代码应用
2024-08-01 20:44 | 分类:前端脚本 | 评论:0 次 | 浏览: 54
Spearman 相关性分析法是一种针对两个变量之间非线性关系的相关性计算方法,同时,它不对数据的分布进行假设。
数据分析——Excel篇
2024-08-01 20:44 | 分类:前端脚本 | 评论:0 次 | 浏览: 56
是指通过互联网访问、浏览这个网页的自然人。访问网站的一台电脑客户端为一个访客。00:00-24:00相同的客户端只被计算一次,一天内同个访客...
python爬虫(数据分析+批量获取图片)
2024-08-01 20:44 | 分类:前端脚本 | 评论:0 次 | 浏览: 54
第一部分吧是讲述如何爬取网页中自己想要的那部分数据,并且将数据有序的存入csv文件中;第二部分是如何批量爬取图片。其中包括一些库的导入、py...
一文读懂数据分析常用的6种方法
2024-08-01 20:44 | 分类:前端脚本 | 评论:0 次 | 浏览: 60
聚类分析是一种无监督学习的方法,用于将数据集中的对象分成不同的组或簇,使得同一组内的对象相似度较高,而不同组之间的相似度较低。总之,相关分析...
数据分析中常见的问题之一:怎么用SPSS来读取Stata数据文件?
2024-08-01 20:44 | 分类:前端脚本 | 评论:0 次 | 浏览: 61
数据分析中常见的问题之一:怎么用SPSS来读取Stata数据文件?
【机器学习】基于卷积LSTM的视频预测
2024-08-01 20:39 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
本文介绍了LSTM及其在视频预测中的应用。LSTM通过门控机制解决了RNN的梯度问题,并在视频预测中展现出优势,如捕捉时空特征和处理复杂模式...
零Python基础快速入门——视觉识别程序/深度学习以及在树莓派上的移植应用(YOLOv5-lite/适用于电赛、例程为简单的数字识别)
2024-08-01 20:30 | 分类:前端脚本 | 评论:0 次 | 浏览: 60
摘要:零Python基础快速入门——视觉识别程序/机器学习以及树莓派移植(YOLOv5-lite/适用于电赛,例程为简单的数字识别)过程简单...
基于YOLOv8深度学习的钢材表面缺陷检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
2024-08-01 20:26 | 分类:前端脚本 | 评论:0 次 | 浏览: 58
基于YOLOv8深度学习的钢材表面缺陷检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
 
             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                             
                            