-
KNN al
python机器学习算法实战里KNN 算法代码。
- 2023-09-09 02:15:04下载
- 积分：1
-
Python for Data Analysis, 2nd Edition
Python for Data Analysis
DATA WRANGLING WITH PANDAS,
NUMPY, AND IPYTHON
- 2018-09-15 23:03:37下载
- 积分：1
-
有限域上的柯西矩阵
该资源是通过给定的维度来生成柯西矩阵的python代码，其中是通过有限域来进行的，因为有限域的运算规则与平常我们所接触到的数学里的运算规则是不一样的，所以我们需要首先将维度转换成有限域里的运算，然后再根据柯西矩阵的规则来生成柯西矩阵。
- 2023-03-30 20:45:03下载
- 积分：1
-
TCN-with-attention-master
说明： 基于注意力的的方法，预测使用的tcn，tcn是比lstm更好的一种预测方法，附数据(Based on the attention method, TCN is better than LSTM in prediction, with data attached)
- 2020-12-06 16:19:24下载
- 积分：1
-
回文数测试
学生教学基础，帮助了解编程的基本算法思路。(Basic Algorithmic Thoughts to Help Understand Programming)
- 2020-06-23 19:20:01下载
- 积分：1
-
《深度学习入门：基于Python的理论与实现》
说明： 本书主要介绍深度学习的核心算法，以及在计算机视觉，语音识别、自然语言处理中的相关应用，适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术(This book mainly introduces the core algorithms of deep learning, as well as relevant applications in computer vision, speech recognition and natural language processing. It is suitable for practitioners of deep learning or relevant graduate students as reference materials, and can also be used as an introductory course to roughly understand the cutting-edge technologies of deep learning)
- 2020-06-20 11:40:02下载
- 积分：1
-
最小费用最大流算法
最小费用最大流算法采用的是“基于Floyd最短路算法的Ford和Fulkerson迭加算法”，其基本思路为：把各条弧上单位流量的费用看成某种长度，用Floyd求最短路的方法确定一条自V1至Vn的最短路；再将这条最短路作为可扩充路，用求解最大流问题的方法将其上的流量增至最大可能值；而这条最短路上的流量增加后，其上各条弧的单位流量的费用要重新确定，如此多次迭代，最终得到最小费用最大流。
- 2022-07-21 02:43:18下载
- 积分：1
-
gsi_plasticlug_caemodel
abaqus中生成连接环的python程序(Python program for connecting rings in ABAQUS)
- 2018-09-28 21:08:22下载
- 积分：1
-
基于依存关系的句法分析统计模型
语义依存方法的详细操作和编程思想，简明易懂，可以跟着编程(The detailed operation and programming idea of the semantic dependency method are concise and easy to understand, and can be followed by programming)
- 2020-06-23 18:20:02下载
- 积分：1
-
DBScan-master
说明： 这是使用Python实现的DBScan。像Numpy、熊猫这样的图书馆也被使用过。DBScan算法已经在两个变色龙数据集t4.8k和t5.8k上进行了测试。然后利用matplotlib将得到的结果可视化。为了便于比较，本文将所得到的输出结果与DBScan实现的skLearning库的结果进行了比较。计算每个数据集的同质性和分离度，以观察簇间的相似性和不同的度量。epsilon和min值分别为8.5和16.5。(This is a DBScan implemented using Python. Libraries like Numpy and Panda have also been used. DBScan algorithm has been tested on two chameleon datasets t4.8k and t5.8k. Then the results are visualized by matplotlib. In order to facilitate comparison, the output results are compared with those of skLearning library implemented by DBScan. The homogeneity and segregation of each data set are calculated to observe the similarity and different measures between clusters. Epsilon and min were 8.5 and 16.5 respectively.)
- 2019-06-13 18:33:28下载
- 积分：1
