![](https://csdnimg.cn/release/downloadcmsfe/public/img/no-data.51c5211b.png)
![](https://csdnimg.cn/release/downloadcmsfe/public/img/good-course.ff455529.png)
- 长三角地区矢量图 shp等数据集大小:1MB长三角地区矢量图长三角地区矢量图
0 9浏览
会员免费 - 使用 Python 进行数据仓库建模小例子大数据大小:3KB在数据仓库(Data Warehouse,简称数仓)建模中,Python 通常用于数据的预处理、ETL(Extract, Transform, Load)过程以及数据分析。下面我将提供一个简单的 Python 示例,展示如何使用 Python 进行数据仓库建模的基本步骤。 示例:数据仓库建模的基本步骤 1. 数据抽取(Extract) 假设我们有一个CSV文件,名为sales_data.csv,其中包含销售数据。 2. 数据转换(Transform) 我们需要将数据转换为适合数据仓库的格式,比如将日期字段标准化,计算总销售额等。 3. 数据加载(Load) 将转换后的数据加载到数据仓库中,这里我们假设使用一个简单的字典来模拟数据仓库 这个示例是一个非常基础的演示,实际的数据仓库建模会更加复杂,涉及到数据建模、维度建模、事实表和维度表的设计等。此外,ETL过程可能会使用专门的ETL工具或服务,而不是直接在Python中实现。在数据仓库(Data Warehouse,简称数仓)建模中,Python 通常用于数据的预处理、ETL(Extract, Transform, Load)过程以及数据分析。下面我将提供一个简单的 Python 示例,展示如何使用 Python 进行数据仓库建模的基本步骤。 示例:数据仓库建模的基本步骤 1. 数据抽取(Extract) 假设我们有一个CSV文件,名为sales_data.csv,其中包含销售数据。 2. 数据转换(Transform) 我们需要将数据转换为适合数据仓库的格式,比如将日期字段标准化,计算总销售额等。 3. 数据加载(Load) 将转换后的数据加载到数据仓库中,这里我们假设使用一个简单的字典来模拟数据仓库 这个示例是一个非常基础的演示,实际的数据仓库建模会更加复杂,涉及到数据建模、维度建模、事实表和维度表的设计等。此外,ETL过程可能会使用专门的ETL工具或服务,而不是直接在Python中实现。
0 14浏览
免费 - Python中使用OpenCV库识别二维码代码opencv大小:3KB在Python中使用OpenCV库识别二维码通常需要使用pyzbar库,这是一个可以处理条形码和二维码的库。首先,你需要安装pyzbar库,可以通过pip安装: pip install pyzbar 在这个示例中,我们首先使用cv2.imread()函数加载图像,然后将其转换为灰度图,因为二维码识别通常在灰度图像上进行。接着,我们使用pyzbar.decode()函数来识别图像中的二维码。 decode()函数返回一个列表,其中包含所有识别到的二维码对象。我们遍历这个列表,使用cv2.polylines()函数在图像上绘制每个二维码的边界框,并使用cv2.putText()函数在图像上显示二维码的数据。 最后,我们使用cv2.imshow()函数显示图像,并等待用户按键后关闭窗口。 请确保将'path_to_your_qrcode_image.png'替换为你的二维码图像的实际路径。此外,由于二维码的识别效果可能受到图像质量、光照条件和二维码大小等因素的影响,因此在实际应用中可能需要对图像进行预处理,比如调整对比度、应用滤波器等,以提高识别的准确性。在Python中使用OpenCV库识别二维码通常需要使用pyzbar库,这是一个可以处理条形码和二维码的库。首先,你需要安装pyzbar库,可以通过pip安装: pip install pyzbar 在这个示例中,我们首先使用cv2.imread()函数加载图像,然后将其转换为灰度图,因为二维码识别通常在灰度图像上进行。接着,我们使用pyzbar.decode()函数来识别图像中的二维码。 decode()函数返回一个列表,其中包含所有识别到的二维码对象。我们遍历这个列表,使用cv2.polylines()函数在图像上绘制每个二维码的边界框,并使用cv2.putText()函数在图像上显示二维码的数据。 最后,我们使用cv2.imshow()函数显示图像,并等待用户按键后关闭窗口。 请确保将'path_to_your_qrcode_image.png'替换为你的二维码图像的实际路径。此外,由于二维码的识别效果可能受到图像质量、光照条件和二维码大小等因素的影响,因此在实际应用中可能需要对图像进行预处理,比如调整对比度、应用滤波器等,以提高识别的准确性。
0 10浏览
会员免费 - 儿童节中英文祝福语三篇.rar范文/模板/素材大小:537KB儿童节中英文祝福语三篇 【#英语资源# #儿童节中英文祝福语三篇#】六一儿童节,祝你留住童心,生活愉快。儿童节中英文祝福语三篇 【#英语资源# #儿童节中英文祝福语三篇#】六一儿童节,祝你留住童心,生活愉快。
0 5浏览
免费 - R语言访问EXCEL,实现数据分析例子r语言大小:2KBR语言是一种广泛应用于统计分析、图形表示和报告的编程语言。附件是一些基本的R语言处理excel数据示例。 这些只是R语言在数据分析中的一部分应用。根据你的具体需求,你可能还需要学习更多的R包和函数。R语言是一种广泛应用于统计分析、图形表示和报告的编程语言。附件是一些基本的R语言处理excel数据示例。 这些只是R语言在数据分析中的一部分应用。根据你的具体需求,你可能还需要学习更多的R包和函数。
0 23浏览
免费 - 自然语言处理 NLP HANLP data-for-1.7.5.zip data-for-1.8.4.rar 训练模型自然语言处理大小:465MB概要:HANLP 1.x 数据包兼容data-for-1.7.5.zip 人群:适合NLP学习者 场景:NLP 自然语言处理 HANLP 训练模型 CRF perceptron model 下载 cws.txt.bin ner.txt.bin pos.txt.bin cws.bin ner.bin pos.bin NNParserModel.txt.bin概要:HANLP 1.x 数据包兼容data-for-1.7.5.zip 人群:适合NLP学习者 场景:NLP 自然语言处理 HANLP 训练模型 CRF perceptron model 下载 cws.txt.bin ner.txt.bin pos.txt.bin cws.bin ner.bin pos.bin NNParserModel.txt.bin
0 11浏览
会员免费 - 2022年冬奥会奖牌榜数据可视化分析(数据集+代码).rar数据集大小:250KB代码为.ipynb格式文件,用jupyter notebook打开。 2022年冬奥会奖牌榜的数据可视化分析,不仅是对体育赛事结果的直观展示,更蕴含了深远的研究意义。通过将复杂的奖牌数据转化为直观、易于理解的图表形式,我们能够更加清晰地看到各国体育实力、项目优劣以及奖牌分布的变化趋势,从而为体育科学研究和政策制定提供有力的数据支持。 这种可视化分析不仅有助于公众对冬奥会赛事有更全面的了解,更能激发大众对体育运动的热情和兴趣。通过对比不同国家的奖牌数量和项目分布,人们可以更加清晰地认识到各国在冰雪运动领域的优势和不足,从而促进各国之间的体育交流和合作。 此外,从学术研究的角度来看,奖牌榜数据可视化分析还可以为体育科学领域的研究提供新的思路和方法。通过对历年冬奥会奖牌数据的深入挖掘和分析,我们可以发现一些有趣的规律和趋势,如某些国家在某些项目上的长期优势、新兴国家的崛起以及不同项目之间的相关性等。这些发现不仅可以为未来的体育训练和比赛提供有价值的参考,还可以为体育科学的研究和发展提供新的方向。代码为.ipynb格式文件,用jupyter notebook打开。 2022年冬奥会奖牌榜的数据可视化分析,不仅是对体育赛事结果的直观展示,更蕴含了深远的研究意义。通过将复杂的奖牌数据转化为直观、易于理解的图表形式,我们能够更加清晰地看到各国体育实力、项目优劣以及奖牌分布的变化趋势,从而为体育科学研究和政策制定提供有力的数据支持。 这种可视化分析不仅有助于公众对冬奥会赛事有更全面的了解,更能激发大众对体育运动的热情和兴趣。通过对比不同国家的奖牌数量和项目分布,人们可以更加清晰地认识到各国在冰雪运动领域的优势和不足,从而促进各国之间的体育交流和合作。 此外,从学术研究的角度来看,奖牌榜数据可视化分析还可以为体育科学领域的研究提供新的思路和方法。通过对历年冬奥会奖牌数据的深入挖掘和分析,我们可以发现一些有趣的规律和趋势,如某些国家在某些项目上的长期优势、新兴国家的崛起以及不同项目之间的相关性等。这些发现不仅可以为未来的体育训练和比赛提供有价值的参考,还可以为体育科学的研究和发展提供新的方向。
0 103浏览
会员免费 - 二手车价格数据分析与可视化(数据集+代码).rar数据分析大小:801KB资源包括数据集和代码,代码为.ipynb格式文件,用jupyter notebook打开。 通过深入分析二手车的价格数据,并将其转化为直观的可视化图表,我们能够获取对市场趋势的深入理解,从而指导消费者、经销商和政策制定者做出更明智的决策。 首先,对于消费者而言,了解二手车价格的变化趋势和影响因素至关重要。通过数据分析和可视化,消费者可以更加清晰地看到不同车型、不同年份、不同里程数的二手车价格差异,从而帮助他们更准确地评估目标车辆的价值,避免被过高或过低的报价所误导。 其次,对于经销商而言,二手车价格数据分析与可视化同样具有重要意义。经销商可以通过分析价格数据来优化库存结构,提高资金周转率。同时,他们还可以根据市场趋势来制定更加合理的定价策略,提高市场竞争力。此外,通过对竞争对手的价格数据进行分析,经销商还可以更好地了解市场动态,制定更加有效的市场策略。 最后,从政策制定者的角度来看,二手车价格数据分析与可视化有助于他们更准确地把握市场动态,为政策制定提供有力支持。例如,政府可以根据价格数据来制定更加合理的税收政策,促进二手车市场的健康发展。资源包括数据集和代码,代码为.ipynb格式文件,用jupyter notebook打开。 通过深入分析二手车的价格数据,并将其转化为直观的可视化图表,我们能够获取对市场趋势的深入理解,从而指导消费者、经销商和政策制定者做出更明智的决策。 首先,对于消费者而言,了解二手车价格的变化趋势和影响因素至关重要。通过数据分析和可视化,消费者可以更加清晰地看到不同车型、不同年份、不同里程数的二手车价格差异,从而帮助他们更准确地评估目标车辆的价值,避免被过高或过低的报价所误导。 其次,对于经销商而言,二手车价格数据分析与可视化同样具有重要意义。经销商可以通过分析价格数据来优化库存结构,提高资金周转率。同时,他们还可以根据市场趋势来制定更加合理的定价策略,提高市场竞争力。此外,通过对竞争对手的价格数据进行分析,经销商还可以更好地了解市场动态,制定更加有效的市场策略。 最后,从政策制定者的角度来看,二手车价格数据分析与可视化有助于他们更准确地把握市场动态,为政策制定提供有力支持。例如,政府可以根据价格数据来制定更加合理的税收政策,促进二手车市场的健康发展。
0 124浏览
会员免费 - 项目二:戴师兄自学课程2.0之-弹幕内容分析课程资源大小:2MB数据来源和代码实现数据来源和代码实现
0 8浏览
会员免费 - 世界各国节日盘点.rar5月节日大小:2MB5月初夏将至,正是外贸人营销的好时节,PayTrades为各位外贸人盘点一下5月有哪些重要海外节日吧~5月初夏将至,正是外贸人营销的好时节,PayTrades为各位外贸人盘点一下5月有哪些重要海外节日吧~
0 7浏览
免费 - apache-dolphinscheduler-3.2.1-src.tar.gz、bin.tar.gzapache大小:93MBapache-dolphinscheduler-3.2.1-src.tar.gz、apache-dolphinscheduler-3.2.1-bin.tar.gzapache-dolphinscheduler-3.2.1-src.tar.gz、apache-dolphinscheduler-3.2.1-bin.tar.gz
0 27浏览
会员免费 - 基于Python数据分析与挖掘实战-中级(资料+视频教程)python大小:2KB本资源是一套面向中级Python用户的数据分析与数据挖掘实战教程,包括详尽的资料和视频教学。课程内容从Python编程基础出发,深入到数据分析的核心概念,如数据清洗、探索性数据分析、统计建模、机器学习算法等。通过实际案例的分析与处理,学习者将掌握如何使用Python进行有效的数据挖掘和分析。 适用人群: 已具备基础Python编程能力的技术人员 能学到什么: Python在数据分析中的应用,包括Pandas、NumPy、Matplotlib等库的使用。 数据预处理的技巧,如数据清洗、转换和特征工程。 探索性数据分析的方法,包括数据可视化和统计分析。 阅读建议: 学习前应具备一定的Python编程基础和对数据分析的基本理解。 按照教程的顺序逐步学习,确保理解每个概念和工具的用途。 积极参与实践,通过解决实际问题来加深对知识点的掌握。 对于复杂的数据分析技术,建议多次观看视频教程,加强理解。 结合官方文档和社区资源,解决学习过程中遇到的问题。 通过本资源的学习,你将能够提升使用Python进行数据分析和挖掘的能力,为处理更复杂的数据科学问题打下坚实的基础。本资源是一套面向中级Python用户的数据分析与数据挖掘实战教程,包括详尽的资料和视频教学。课程内容从Python编程基础出发,深入到数据分析的核心概念,如数据清洗、探索性数据分析、统计建模、机器学习算法等。通过实际案例的分析与处理,学习者将掌握如何使用Python进行有效的数据挖掘和分析。 适用人群: 已具备基础Python编程能力的技术人员 能学到什么: Python在数据分析中的应用,包括Pandas、NumPy、Matplotlib等库的使用。 数据预处理的技巧,如数据清洗、转换和特征工程。 探索性数据分析的方法,包括数据可视化和统计分析。 阅读建议: 学习前应具备一定的Python编程基础和对数据分析的基本理解。 按照教程的顺序逐步学习,确保理解每个概念和工具的用途。 积极参与实践,通过解决实际问题来加深对知识点的掌握。 对于复杂的数据分析技术,建议多次观看视频教程,加强理解。 结合官方文档和社区资源,解决学习过程中遇到的问题。 通过本资源的学习,你将能够提升使用Python进行数据分析和挖掘的能力,为处理更复杂的数据科学问题打下坚实的基础。
0 20浏览
会员免费 - 数据挖掘学习分享(资料和就业推荐)数据挖掘大小:2KB数据挖掘 数据挖掘学习分享(资料和就业推荐) 数据挖掘学习分享(资料和就业推荐) 数据挖掘学习分享(资料和就业推荐)数据挖掘 数据挖掘学习分享(资料和就业推荐) 数据挖掘学习分享(资料和就业推荐) 数据挖掘学习分享(资料和就业推荐)
0 13浏览
会员免费 - 用Python实现基于人脸识别的门禁管理系统(附源码+各功能截图+分类打包)Phthon大小:113MB用Python实现基于人脸识别的门禁管理系统(附源码+各功能截图+分类打包)用Python实现基于人脸识别的门禁管理系统(附源码+各功能截图+分类打包)
0 151浏览
会员免费 - 基于随机森林算法构建电影票房预测模型(代码+数据集)随机森林大小:106KB电影票房预测一直是电影产业中的一个重要问题,对于制片方、发行方和影院等利益相关者而言,准确地预测电影票房可以帮助他们做出更明智的决策。在电影产业中,投资决策、市场营销策略、排片安排等方面的决策都受到电影票房预测的影响。因此,构建一种准确可靠的电影票房预测模型对于电影产业的发展具有重要意义。 本研究旨在利用随机森林算法构建一种高效的电影票房预测模型,通过综合考虑各种影响因素,提高预测准确性,为电影产业相关方提供科学的决策依据。通过该研究,可以更好地理解影响电影票房的关键因素,为电影从业者提供更全面的市场分析和预测服务。 数据集来源于kaggle,该数据集包含1995年至2018年上映的电影类型统计数据,原始数据集共有300条,9个变量电影票房预测一直是电影产业中的一个重要问题,对于制片方、发行方和影院等利益相关者而言,准确地预测电影票房可以帮助他们做出更明智的决策。在电影产业中,投资决策、市场营销策略、排片安排等方面的决策都受到电影票房预测的影响。因此,构建一种准确可靠的电影票房预测模型对于电影产业的发展具有重要意义。 本研究旨在利用随机森林算法构建一种高效的电影票房预测模型,通过综合考虑各种影响因素,提高预测准确性,为电影产业相关方提供科学的决策依据。通过该研究,可以更好地理解影响电影票房的关键因素,为电影从业者提供更全面的市场分析和预测服务。 数据集来源于kaggle,该数据集包含1995年至2018年上映的电影类型统计数据,原始数据集共有300条,9个变量
0 272浏览
会员免费 - 基于深度学习的猫狗图片分类研究(数据集+实验代码+4000字实验报告)深度学习大小:367MB近年来,深度学习在计算机视觉领域取得了巨大的成功,尤其是在图像分类任务上。图像分类是计算机视觉领域的基本问题之一,而猫狗分类作为图像分类中的经典问题,吸引了广泛的研究兴趣。 猫狗分类问题具有很高的实际应用价值。在现实世界中,人们经常需要对动物进行分类,如在宠物识别、动物行为分析和动物保护等领域。传统的图像分类方法通常需要手工设计特征提取器和分类器,这在处理复杂的图像数据时面临着挑战。 猫狗分类问题的研究可以帮助我们深入理解深度学习在图像分类任务中的应用,并且可以为其他图像分类问题的研究提供经验和指导。此外,研究人员还可以通过比较不同深度学习模型的性能和对比传统方法的效果,评估深度学习在猫狗分类问题上的优势和局限性。 此外,随着深度学习模型的不断发展和算力的提升,研究人员可以尝试更复杂的模型架构、数据增强技术和迁移学习方法,以进一步提高猫狗分类任务的准确性和鲁棒性。 因此,基于深度学习的猫狗分类实验具有重要的研究价值,可以推动深度学习在图像分类领域的发展,同时为实际应用场景提供更好的解决方案。近年来,深度学习在计算机视觉领域取得了巨大的成功,尤其是在图像分类任务上。图像分类是计算机视觉领域的基本问题之一,而猫狗分类作为图像分类中的经典问题,吸引了广泛的研究兴趣。 猫狗分类问题具有很高的实际应用价值。在现实世界中,人们经常需要对动物进行分类,如在宠物识别、动物行为分析和动物保护等领域。传统的图像分类方法通常需要手工设计特征提取器和分类器,这在处理复杂的图像数据时面临着挑战。 猫狗分类问题的研究可以帮助我们深入理解深度学习在图像分类任务中的应用,并且可以为其他图像分类问题的研究提供经验和指导。此外,研究人员还可以通过比较不同深度学习模型的性能和对比传统方法的效果,评估深度学习在猫狗分类问题上的优势和局限性。 此外,随着深度学习模型的不断发展和算力的提升,研究人员可以尝试更复杂的模型架构、数据增强技术和迁移学习方法,以进一步提高猫狗分类任务的准确性和鲁棒性。 因此,基于深度学习的猫狗分类实验具有重要的研究价值,可以推动深度学习在图像分类领域的发展,同时为实际应用场景提供更好的解决方案。
0 139浏览
会员免费 - 基于梯度提升决策树算法预测广告投放收益(数据集+实验代码+6000字实验报告)决策树大小:790KB随着移动互联网的迅速发展,社会化网络的全面渗透,每个人都有可能在这个时代成为信息的制造者和传播者,这也导致了媒体从传统的主流媒体走向了普遍性。 每一次通讯技术与终端的发展都会使新媒介媒介与形式发生质变,并为广告产业的各个发展阶段打开了生态圈。5 G的逐步实施将会对万物互联的建设起到巨大的促进作用,新媒介的分散性也会越来越明显,新媒体产业必然会迎来一次新的洗牌。 广告投放策略的重中之重就是广告媒介和广告内容,在选择广告媒介上,需要结合媒体规格、点位、播放频次和广告投放费用,以便广告主轻松选择广告媒介。其次在广告内容设计上,需要吸引消费者产生消费的前提是引起兴趣与关注,引导消费者了解产品、认同产品,这便与广告的详细内容、整体创意有关,在投放机制正确的前提下,广告内容将在最后引起消费,从而达到广告投放目的。投放广告是品牌曝光的有效手段,但想要消费者从广告中认识到认知最后认同,广告投放策略就会变得非常重要。本次实验,我们使用Python大数据分析方法研究广告投放收益分析。随着移动互联网的迅速发展,社会化网络的全面渗透,每个人都有可能在这个时代成为信息的制造者和传播者,这也导致了媒体从传统的主流媒体走向了普遍性。 每一次通讯技术与终端的发展都会使新媒介媒介与形式发生质变,并为广告产业的各个发展阶段打开了生态圈。5 G的逐步实施将会对万物互联的建设起到巨大的促进作用,新媒介的分散性也会越来越明显,新媒体产业必然会迎来一次新的洗牌。 广告投放策略的重中之重就是广告媒介和广告内容,在选择广告媒介上,需要结合媒体规格、点位、播放频次和广告投放费用,以便广告主轻松选择广告媒介。其次在广告内容设计上,需要吸引消费者产生消费的前提是引起兴趣与关注,引导消费者了解产品、认同产品,这便与广告的详细内容、整体创意有关,在投放机制正确的前提下,广告内容将在最后引起消费,从而达到广告投放目的。投放广告是品牌曝光的有效手段,但想要消费者从广告中认识到认知最后认同,广告投放策略就会变得非常重要。本次实验,我们使用Python大数据分析方法研究广告投放收益分析。
0 92浏览
会员免费 - 数据分析项目-上饶市旅游景点可视化与评论文本分析(数据集+实验代码+8000字实验报告)数据分析大小:5MB本次实验通过综合运用数据可视化分析、词云图分析、情感分析以及LDA主题分析等多种方法,对旅游景点进行了全面而深入的研究。通过这一系列分析,我们得出了以下结论,并据此对旅游市场的发展趋势和潜在机会进行了展望。 首先,通过数据可视化分析,我们了解到不同景点的评分、评论数以及热度分布情况。 其次,词云图分析为我们揭示了游客在评论中提及的关键词和热点话题。 在情感分析方面,我们发现大部分游客对于所游览的景点持有积极正面的情感态度。 最后,LDA主题分析帮助我们提取了游客评论中的潜在主题。这些主题涵盖了旅游体验、景点特色、历史文化等多个方面,为我们深入了解游客需求和兴趣提供了有力支持。通过对比不同主题的出现频率和分布情况,我们可以发现游客对于不同景点的关注点和偏好有所不同,这为我们制定个性化的旅游推广策略提供了依据。本次实验通过综合运用数据可视化分析、词云图分析、情感分析以及LDA主题分析等多种方法,对旅游景点进行了全面而深入的研究。通过这一系列分析,我们得出了以下结论,并据此对旅游市场的发展趋势和潜在机会进行了展望。 首先,通过数据可视化分析,我们了解到不同景点的评分、评论数以及热度分布情况。 其次,词云图分析为我们揭示了游客在评论中提及的关键词和热点话题。 在情感分析方面,我们发现大部分游客对于所游览的景点持有积极正面的情感态度。 最后,LDA主题分析帮助我们提取了游客评论中的潜在主题。这些主题涵盖了旅游体验、景点特色、历史文化等多个方面,为我们深入了解游客需求和兴趣提供了有力支持。通过对比不同主题的出现频率和分布情况,我们可以发现游客对于不同景点的关注点和偏好有所不同,这为我们制定个性化的旅游推广策略提供了依据。
0 144浏览
会员免费 - 基于随机森林算法构建肥胖预测模型并探究肥胖的成因(数据集+实验代码+10000字的实验报告)随机森林大小:1MB肥胖是一个全球性的公共健康问题,它可以在成人、青少年和儿童中出现。同时,注意到儿童肥胖是成年人肥胖的一个危险因素这一令人震惊的事实,从生命的早期阶段就预防和控制肥胖至关重要,也必须考虑到儿童体重的增加必须是渐进的。由于城市化、经济和技术发展带来的生活方式不断变化,儿童受到影响,导致肥胖儿童人数增加,因此,很多研究集中在对儿童肥胖问题的上。 本文使用UCI中一项关于人们饮食习惯和身体状况调查的数据集,分别通过决策树以及随机森林算法对数据进行处理,拟在寻找肥胖的成因。算法通过对14种影响因子进行多标签分类获取各影响因子与肥胖程度之间的权值,最终获取肥胖评估模型。人们可以通过评估模型就自己目前的生活习惯和身体状况来对未来的肥胖程度进行评估,并根据评估结果寻求解决肥胖问题的合理方式。肥胖是一个全球性的公共健康问题,它可以在成人、青少年和儿童中出现。同时,注意到儿童肥胖是成年人肥胖的一个危险因素这一令人震惊的事实,从生命的早期阶段就预防和控制肥胖至关重要,也必须考虑到儿童体重的增加必须是渐进的。由于城市化、经济和技术发展带来的生活方式不断变化,儿童受到影响,导致肥胖儿童人数增加,因此,很多研究集中在对儿童肥胖问题的上。 本文使用UCI中一项关于人们饮食习惯和身体状况调查的数据集,分别通过决策树以及随机森林算法对数据进行处理,拟在寻找肥胖的成因。算法通过对14种影响因子进行多标签分类获取各影响因子与肥胖程度之间的权值,最终获取肥胖评估模型。人们可以通过评估模型就自己目前的生活习惯和身体状况来对未来的肥胖程度进行评估,并根据评估结果寻求解决肥胖问题的合理方式。
0 195浏览
会员免费 - 豆瓣爬取影评并转换成词云的代码软件/插件大小:6MB豆瓣爬取影评并转换成词云的代码豆瓣爬取影评并转换成词云的代码
0 15浏览
会员免费 - 聚类数据集整理(合成、UCI和其他真实数据集).zip聚类数据集大小:9MB聚类数据集整理(合成、UCI和其他真实数据集).zip聚类数据集整理(合成、UCI和其他真实数据集).zip
0 10浏览
会员免费 - RPA资料包-助力RPA学习自动化大小:133KBRPA(Robotic Process Automation)是一种自动化技术,通过使用软件机器人(bot)模拟和自动化人类在计算机系统中执行的规则性任务和业务流程。以下是RPA的一些关键知识点: 1. **自动化流程:** RPA旨在自动执行重复性、规则性的业务流程和任务,如数据录入、文件处理、报告生成等。这些流程通常是按照预定义的规则和步骤执行的。 2. **软件机器人:** RPA使用软件机器人来执行自动化任务。这些机器人可以模拟人类用户在计算机系统中的操作,例如点击、键盘输入、数据处理等。每个机器人都可以执行多个任务,并且可以在24/7的基础上运行。 3. **RPA工具:** RPA工具是用于开发、部署和管理自动化流程的软件平台。常见的RPA工具包括UiPath、Automation Anywhere、Blue Prism等,它们提供了图形化界面和脚本语言来配置和管理自动化流程。 4. **流程设计和开发:** RPA流程的设计和开发是将业务流程转化为自动化流程的关键步骤。这涉及到分析业务流程、识别可自动化的环节、设计自动化逻辑、开发自动化流程等。 5. **监控和RPA(Robotic Process Automation)是一种自动化技术,通过使用软件机器人(bot)模拟和自动化人类在计算机系统中执行的规则性任务和业务流程。以下是RPA的一些关键知识点: 1. **自动化流程:** RPA旨在自动执行重复性、规则性的业务流程和任务,如数据录入、文件处理、报告生成等。这些流程通常是按照预定义的规则和步骤执行的。 2. **软件机器人:** RPA使用软件机器人来执行自动化任务。这些机器人可以模拟人类用户在计算机系统中的操作,例如点击、键盘输入、数据处理等。每个机器人都可以执行多个任务,并且可以在24/7的基础上运行。 3. **RPA工具:** RPA工具是用于开发、部署和管理自动化流程的软件平台。常见的RPA工具包括UiPath、Automation Anywhere、Blue Prism等,它们提供了图形化界面和脚本语言来配置和管理自动化流程。 4. **流程设计和开发:** RPA流程的设计和开发是将业务流程转化为自动化流程的关键步骤。这涉及到分析业务流程、识别可自动化的环节、设计自动化逻辑、开发自动化流程等。 5. **监控和
0 19浏览
会员免费 - 通俗易懂的PID知识.rarpid大小:4MBpid PID,就是“比例(proportional)、积分(integral)、微分(derivative)”,是一种很常见的控制算法。PID已经有107年的历史了。它并不是什么很神圣的东西,大家一定都见过PID的实际应用。比如四轴飞行器,再比如平衡小车......还有汽车的定速巡航、3D**机上的温度控制器....就是类似于这种:需要将某一个物理量“保持稳定”的场合(比如维持平衡,稳定温度、转速等),PID都会派上大用场。pid PID,就是“比例(proportional)、积分(integral)、微分(derivative)”,是一种很常见的控制算法。PID已经有107年的历史了。它并不是什么很神圣的东西,大家一定都见过PID的实际应用。比如四轴飞行器,再比如平衡小车......还有汽车的定速巡航、3D**机上的温度控制器....就是类似于这种:需要将某一个物理量“保持稳定”的场合(比如维持平衡,稳定温度、转速等),PID都会派上大用场。
0 6浏览
免费 - 劳动节庆祝活动矢量海报范文/模板/素材大小:681KB劳动节庆祝活动矢量海报适用于劳动节庆祝活动宣传、劳动节主题演讲或报告、工会或劳工组织的品牌材料、劳动节社交媒体和网站图形等相关设计的AI格式素材。劳动节庆祝活动矢量海报适用于劳动节庆祝活动宣传、劳动节主题演讲或报告、工会或劳工组织的品牌材料、劳动节社交媒体和网站图形等相关设计的AI格式素材。
0 18浏览
会员免费 - 二手车交易数据分析与可视化系统.rar数据分析大小:2MB该系统项目涉及Python爬虫、前后端、Mysql数据库该系统项目涉及Python爬虫、前后端、Mysql数据库
0 109浏览
会员免费 - 爬取前程无忧网中大数据相关岗位数据并可视化分析.rar大数据大小:6MB# 51job_spiders 前程无忧爬虫 【程序运行前确保项目需要的库都已下载】 # 数据爬取: ``` 1、修改51job_info.py代码66行,根据需要修改页数,默认2页,数据分析需要海量数据时可修改成1000页 2、运行51job_info.py 3、输入职位关键词 如:大数据、C语言、软件开发 4、爬取到的数据将储存在51job.xls ``` 程序中注释内容包含大量调试信息,遇到异常时可以打开注释,查看运行情况 爬取过程中因为单页内容较多,请耐心等候 如果程序未能爬取到信息,可能的原因是缺少包,或者该网页源码被修改,需要重新定义正则 # 数据清洗与数据可视化 ``` 1、运行51job_clean.py 2、代码默认对职位的清洗条件的非大数据相关的职位,需要根据你们搜索的职位自行修改 3、清洗后的数据将储存在51job2.xls,(若清洗后的数据中还有错误数据,可修改清洗条件或手动将错误数据删除) 4、运行51job_view.py 4、pyecharts动态图将生成 .html 文件,用浏览器打开即可 ```# 51job_spiders 前程无忧爬虫 【程序运行前确保项目需要的库都已下载】 # 数据爬取: ``` 1、修改51job_info.py代码66行,根据需要修改页数,默认2页,数据分析需要海量数据时可修改成1000页 2、运行51job_info.py 3、输入职位关键词 如:大数据、C语言、软件开发 4、爬取到的数据将储存在51job.xls ``` 程序中注释内容包含大量调试信息,遇到异常时可以打开注释,查看运行情况 爬取过程中因为单页内容较多,请耐心等候 如果程序未能爬取到信息,可能的原因是缺少包,或者该网页源码被修改,需要重新定义正则 # 数据清洗与数据可视化 ``` 1、运行51job_clean.py 2、代码默认对职位的清洗条件的非大数据相关的职位,需要根据你们搜索的职位自行修改 3、清洗后的数据将储存在51job2.xls,(若清洗后的数据中还有错误数据,可修改清洗条件或手动将错误数据删除) 4、运行51job_view.py 4、pyecharts动态图将生成 .html 文件,用浏览器打开即可 ```
0 118浏览
会员免费 - 花粉俱乐部Mate60手机系列用户发帖数据爬虫.rarRAR大小:103KB爬取花粉俱乐部中华为Mate60手机系列的用户发帖数据,包括'用户名','用户ID','发帖时间','类别标签','系列名称','粉丝数','帖子热度','是否有图片','图片数量', '是否有视频','帖子内容','纬度','经度','点赞数','定位城市','设备名','回复数','帖子标题','阅读量', '话题名称','话题文章数','话题简介','话题参与人数','话题阅读量'爬取花粉俱乐部中华为Mate60手机系列的用户发帖数据,包括'用户名','用户ID','发帖时间','类别标签','系列名称','粉丝数','帖子热度','是否有图片','图片数量', '是否有视频','帖子内容','纬度','经度','点赞数','定位城市','设备名','回复数','帖子标题','阅读量', '话题名称','话题文章数','话题简介','话题参与人数','话题阅读量'
0 49浏览
会员免费 - 基于Python大数据的民宿评论数据情感分析系统.rarpython大小:13MB基于Python大数据的民宿评论数据情感分析系统,设计大数据、爬虫、前后端、Mysql数据库的知识,最后做出一个可视化大屏基于Python大数据的民宿评论数据情感分析系统,设计大数据、爬虫、前后端、Mysql数据库的知识,最后做出一个可视化大屏
0 150浏览
会员免费 - DBN-DeepL.rarDBN大小:43MBDBN-DeepL.rarDBN-DeepL.rar
0 7浏览
会员免费 - MatlabCNN.rarmatlabcnn大小:18MBMatlabCNN.rarMatlabCNN.rar
0 16浏览
会员免费 - MATLAB-RNN预测.rarmatlab大小:5KBMATLAB-RNN预测.rarMATLAB-RNN预测.rar
0 16浏览
会员免费 - load-123.rarload大小:40MBload-123.rarload-123.rar
0 9浏览
会员免费 - BPNN-预测.rarRAR大小:13KBBPNN-预测.rarBPNN-预测.rar
0 8浏览
会员免费 - 预测-AE-1.rarRAR大小:16KB预测-AE-1.rar预测-AE-1.rar
0 11浏览
会员免费 - RSNNS-1234.rarRAR大小:1MBRSNNS-1234.rarRSNNS-1234.rar
0 17浏览
会员免费 - neuralnet包-R实现神经网络构建神经网络大小:36KBneuralnet包-R实现神经网络构建neuralnet包-R实现神经网络构建
0 43浏览
会员免费 - 利用MATLAB中OSC处理光谱数据PLS大小:73MB利用MATLAB中OSC处理光谱数据利用MATLAB中OSC处理光谱数据
0 13浏览
会员免费 - 2018年华为杯数学建模C题题目以及优秀论文篇6华为杯大小:84MB数学建模 华为杯数学建模 华为杯
0 13浏览
会员免费 - 基于SBM算法(Similarity-based Modeling)的火力发电汽轮机建模.rarSBM算法大小:1MB基于SBM算法(Similarity-based Modeling)的火力发电汽轮机建模.rar基于SBM算法(Similarity-based Modeling)的火力发电汽轮机建模.rar
0 20浏览
会员免费 - 岗位招聘信息大数据分析实践(数据分析岗)数据分析大小:26MB岗位招聘信息大数据分析实践(数据分析岗)岗位招聘信息大数据分析实践(数据分析岗)
0 37浏览
会员免费 - jieba停用词分词表jieba大小:49KBjieba停用词分词表jieba停用词分词表
0 457浏览
会员免费 - uibot-native-message-plug5.1.2-0uibot大小:124KBuibot-native-message-plug5.1.2_0uibot-native-message-plug5.1.2_0
0 62浏览
会员免费 - Elasticsearch分布式搜索模型的实际应用小案例elasticsearch大小:19KBElasticsearch是一个开源的分布式搜索和分析引擎,构建在Apache Lucene之上。它提供了一套强大的API和工具,可以实现分布式全文搜索、结构化和非结构化数据分析、日志存储和实时数据可视化等功能。 以下是一些Elasticsearch的关键特性和概念: 分布式架构:Elasticsearch使用分布式架构,可以将数据和负载分布在多个节点上,实现高可用性、扩展性和容错性。 数据存储和索引:Elasticsearch将数据存储在倒排索引(Inverted Index)中,使得数据可以被快速检索和分析。它支持多种数据类型,并提供了丰富的数据处理和查询功能。 RESTful API:Elasticsearch通过RESTful API暴露数据接口,可以使用HTTP协议进行数据索引、搜索和操作。这使得与Elasticsearch的交互变得简单且灵活。 实时分析和搜索:Elasticsearch能够实时地对数据进行索引和搜索,使得对实时数据的分析和搜索成为可能。它支持强大的查询语言,包括全文搜索、过滤、聚合和地理位置搜索等。 横向扩展性:Elasticsearch...Elasticsearch是一个开源的分布式搜索和分析引擎,构建在Apache Lucene之上。它提供了一套强大的API和工具,可以实现分布式全文搜索、结构化和非结构化数据分析、日志存储和实时数据可视化等功能。 以下是一些Elasticsearch的关键特性和概念: 分布式架构:Elasticsearch使用分布式架构,可以将数据和负载分布在多个节点上,实现高可用性、扩展性和容错性。 数据存储和索引:Elasticsearch将数据存储在倒排索引(Inverted Index)中,使得数据可以被快速检索和分析。它支持多种数据类型,并提供了丰富的数据处理和查询功能。 RESTful API:Elasticsearch通过RESTful API暴露数据接口,可以使用HTTP协议进行数据索引、搜索和操作。这使得与Elasticsearch的交互变得简单且灵活。 实时分析和搜索:Elasticsearch能够实时地对数据进行索引和搜索,使得对实时数据的分析和搜索成为可能。它支持强大的查询语言,包括全文搜索、过滤、聚合和地理位置搜索等。 横向扩展性:Elasticsearch...
0 51浏览
会员免费 - java机器深度学习示例(带数据)java大小:6MBjava机器深度学习示例(针对于数据),Flink Alinkjava机器深度学习示例(针对于数据),Flink Alink
0 61浏览
会员免费 - 使用GA的二进制特征选择RAR大小:15KB遗传算法(Genetic Algorithm,GA)是一种基于自然选择和遗传机制的优化算法,常被用于解决组合优化问题,如特征选择。在二进制特征选择中,每个候选特征子集都可以用一个二进制编码来表示,其中每一位对应一个特征是否被选中。以下是使用GA进行二进制特征选择的一般步骤: 编码:将特征选择问题转化为一个二进制编码的优化问题。假设有N个特征,可以用一个N位的二进制串来表示一个特征子集,其中每一位表示对应的特征是否被选中(1表示选中,0表示未选中)。 初始化种群:随机生成一定数量的二进制串作为初始种群。这些二进制串代表了不同的特征子集。 适应度函数:定义一个适应度函数来评估每个特征子集的好坏。这个适应度函数通常是根据某种性能指标(如分类准确率、回归误差等)来计算的,可以通过训练模型并在验证集上进行评估来得到。 选择:使用选择操作(如轮盘赌选择、竞赛选择等)根据每个特征子集的适应度值来选择父代。适应度值高的特征子集被选中的概率更大。 交叉:对选出的父代进行交叉操作,生成新的特征子集作为下一代种群的一部分。交叉操作可以使用单点交叉、多点交叉等方式。 变异:对新生成的特征子集进行变遗传算法(Genetic Algorithm,GA)是一种基于自然选择和遗传机制的优化算法,常被用于解决组合优化问题,如特征选择。在二进制特征选择中,每个候选特征子集都可以用一个二进制编码来表示,其中每一位对应一个特征是否被选中。以下是使用GA进行二进制特征选择的一般步骤: 编码:将特征选择问题转化为一个二进制编码的优化问题。假设有N个特征,可以用一个N位的二进制串来表示一个特征子集,其中每一位表示对应的特征是否被选中(1表示选中,0表示未选中)。 初始化种群:随机生成一定数量的二进制串作为初始种群。这些二进制串代表了不同的特征子集。 适应度函数:定义一个适应度函数来评估每个特征子集的好坏。这个适应度函数通常是根据某种性能指标(如分类准确率、回归误差等)来计算的,可以通过训练模型并在验证集上进行评估来得到。 选择:使用选择操作(如轮盘赌选择、竞赛选择等)根据每个特征子集的适应度值来选择父代。适应度值高的特征子集被选中的概率更大。 交叉:对选出的父代进行交叉操作,生成新的特征子集作为下一代种群的一部分。交叉操作可以使用单点交叉、多点交叉等方式。 变异:对新生成的特征子集进行变
0 40浏览
免费 - 二进制遗传算法python实现python大小:2KB二进制遗传算法(Binary Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与传统的遗传算法相比,二进制遗传算法适用于解决决策变量为二进制编码的优化问题。以下是二进制遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的二进制编码的个体(也称为染色体),这些个体组成了种群。 确定适应度函数:针对具体的优化问题,需要定义一个适应度函数来评价每个个体的优劣。适应度函数通常根据问题的特性来定义,例如在投资组合优化中可以是收益、风险和相关性等指标的组合。 选择操作:通过轮盘赌选择、竞赛选择等方式,根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。 评估适应度:对新生成的个体,计算其适应度值。二进制遗传算法(Binary Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与传统的遗传算法相比,二进制遗传算法适用于解决决策变量为二进制编码的优化问题。以下是二进制遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的二进制编码的个体(也称为染色体),这些个体组成了种群。 确定适应度函数:针对具体的优化问题,需要定义一个适应度函数来评价每个个体的优劣。适应度函数通常根据问题的特性来定义,例如在投资组合优化中可以是收益、风险和相关性等指标的组合。 选择操作:通过轮盘赌选择、竞赛选择等方式,根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。 评估适应度:对新生成的个体,计算其适应度值。
0 68浏览
免费 - 实数编码遗传算法(Real-coded Genetic Algorithm)机器学习大小:2KB实数编码遗传算法(Real-coded Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与二进制遗传算法不同,实数编码遗传算法适用于解决决策变量为实数的优化问题。以下是实数编码遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的个体(也称为染色体),每个个体由一组实数值(决策变量)构成,这些个体组成了种群。 确定适应度函数:根据具体的优化问题,定义一个适应度函数来评估每个个体的优劣程度。适应度函数通常基于问题的特性和优化目标来定义。 选择操作:使用选择算子(如轮盘赌选择、竞赛选择等),根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。在实数编码遗传算法中,可以使用一些常见的交叉方式,如单点交叉、多点交叉、均匀交叉等。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。在实数编码遗传算法中,可以使用一些常见的变异方式,如高斯变异、多项式变异等。 评估适应度:对新生成的个体,计算其适应度值。 替换操作:根据适应度值,选择实数编码遗传算法(Real-coded Genetic Algorithm)是一种启发式搜索算法,用于解决优化问题。与二进制遗传算法不同,实数编码遗传算法适用于解决决策变量为实数的优化问题。以下是实数编码遗传算法的基本描述: 初始化种群:初始时,随机生成一定数量的个体(也称为染色体),每个个体由一组实数值(决策变量)构成,这些个体组成了种群。 确定适应度函数:根据具体的优化问题,定义一个适应度函数来评估每个个体的优劣程度。适应度函数通常基于问题的特性和优化目标来定义。 选择操作:使用选择算子(如轮盘赌选择、竞赛选择等),根据个体的适应度值选择父代个体用于繁殖下一代。 交叉操作:选定一定的交叉概率,对选出的父代个体进行交叉操作,生成新的个体作为下一代种群的一部分。在实数编码遗传算法中,可以使用一些常见的交叉方式,如单点交叉、多点交叉、均匀交叉等。 变异操作:选定一定的变异概率,对新生成的个体进行变异操作,以增加种群的多样性。在实数编码遗传算法中,可以使用一些常见的变异方式,如高斯变异、多项式变异等。 评估适应度:对新生成的个体,计算其适应度值。 替换操作:根据适应度值,选择
0 45浏览
免费 - 大数据ETL开发之图解Kettle工具(入门到精通)大数据大小:2MB大数据ETL开发之图解Kettle工具(入门到精通)大数据ETL开发之图解Kettle工具(入门到精通)
1 289浏览
会员免费 - ChatGLM2-6B运行文件大数据大小:3MBChatGLM2-6B运行文件ChatGLM2-6B运行文件
0 16浏览
会员免费 - 大数据技术与应用-周苏大数据大小:16MB教学资料,包括电子课件,ppt,实验总结,教学进度表教学资料,包括电子课件,ppt,实验总结,教学进度表
0 17浏览
会员免费 - Matlab频谱合成音乐《追光者》matlab大小:188MBMatlab频谱合成音乐《追光者》 压缩包中所含内容:matlab合成音乐源代码文件,音乐频谱图(左声道频谱图与右声道频谱图.fig文件),《追光者》原声音乐(mp3文件),matlab频谱合成的《追光者》音乐(带和声混响效果,wav文件),合成制作报告 完成步骤:.首先需要下载目标音乐的简谱,利用乐谱的音阶,拍子等基本乐理知识,按铺子对应的每个音阶输出频率,对应每个音阶的街拍。 2.设置采样率,采样率是一秒的声音里我们采样了多少个点(matlab默认的采样率是8192,播放区段是1000Hz~384000Hz)。人耳能听到的声音范围是20~2000Hz,根据采样定理采样频率fs应该大于40000Hz,采样频率越高则采样带来的失真就会越小,但音频文件也会更大。 3.设置输入信号,通过网上学习,发现音乐合成的输入信号一般用正弦波,即Y=A*sin(2*pi*w*t)。其中,A控制声音的大小,w控制声调的高低,t的范围控制声音的长短。Matlab频谱合成音乐《追光者》 压缩包中所含内容:matlab合成音乐源代码文件,音乐频谱图(左声道频谱图与右声道频谱图.fig文件),《追光者》原声音乐(mp3文件),matlab频谱合成的《追光者》音乐(带和声混响效果,wav文件),合成制作报告 完成步骤:.首先需要下载目标音乐的简谱,利用乐谱的音阶,拍子等基本乐理知识,按铺子对应的每个音阶输出频率,对应每个音阶的街拍。 2.设置采样率,采样率是一秒的声音里我们采样了多少个点(matlab默认的采样率是8192,播放区段是1000Hz~384000Hz)。人耳能听到的声音范围是20~2000Hz,根据采样定理采样频率fs应该大于40000Hz,采样频率越高则采样带来的失真就会越小,但音频文件也会更大。 3.设置输入信号,通过网上学习,发现音乐合成的输入信号一般用正弦波,即Y=A*sin(2*pi*w*t)。其中,A控制声音的大小,w控制声调的高低,t的范围控制声音的长短。
0 171浏览
会员免费 - Python爬虫,实现爬取CSDN文章,并保存到本地为MarkDown 格式python大小:29MBPython爬虫,实现爬取CSDN文章,并保存到本地为MarkDown 格式,也能够直接保存到 Mysql 数据库中,涉及到 py_mysql、BeautifulSoup、requests、html2text、parsel、etree、unescape 实现Python爬虫,实现爬取CSDN文章,并保存到本地为MarkDown 格式,也能够直接保存到 Mysql 数据库中,涉及到 py_mysql、BeautifulSoup、requests、html2text、parsel、etree、unescape 实现
0 24浏览
会员免费 - 2023MathorCup大数据挑战赛数据集.rar大数据大小:8MB2023MathorCup大数据挑战赛数据集.rar2023MathorCup大数据挑战赛数据集.rar
0 94浏览
免费 - 高分二号影像批量预处理插件v2.0软件/插件大小:299KB高分二号影像批量预处理插件v2.0IDL编写的高分二号预处理插件 辐射定标 大气校正 正射校正 全色多光谱融合等流程高分二号影像批量预处理插件v2.0IDL编写的高分二号预处理插件 辐射定标 大气校正 正射校正 全色多光谱融合等流程
0 77浏览
会员免费 - 小波神经网络的时间序列预测代码.rar神经网络大小:4KB小波神经网络的时间序列预测代码.rar小波神经网络的时间序列预测代码.rar
0 28浏览
会员免费 - 微粒群算法结合灰色系统理论进行预测.rar预测模型大小:3KB微粒群算法结合灰色系统理论进行预测.rar微粒群算法结合灰色系统理论进行预测.rar
0 33浏览
会员免费 - 离散灰色预测模型和AR预测模型的组合预测.rar预测模型大小:1KB离散灰色预测模型和AR预测模型的组合预测.rar离散灰色预测模型和AR预测模型的组合预测.rar
0 85浏览
会员免费 - 基于灰色神经网络的订单需求预测代码.rar神经网络大小:3KB基于灰色神经网络的订单需求预测代码.rar基于灰色神经网络的订单需求预测代码.rar
0 36浏览
会员免费 - 基于广义回归神经网络货运量预测代码.rar神经网络大小:7KB基于广义回归神经网络货运量预测代码.rar基于广义回归神经网络货运量预测代码.rar
0 27浏览
会员免费 - 基于单层竞争神经网络的患者癌症发病预测代码.rar神经网络大小:46KB基于单层竞争神经网络的患者癌症发病预测代码.rar基于单层竞争神经网络的患者癌症发病预测代码.rar
0 14浏览
会员免费