注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Android开发实例大全.pdf

  2. andriod开发实例，包括17个章节，涵盖各类开发内容。andriod开发实例，包括17个章节，涵盖各类开发内容。目录 第7章和网络有关的实例集锦 位置 实例 传递参数 实例:在手机地图中查询一个地址 实例:在屏幕中使用程序 实例:在手机中实现地址查询 实例:在手机中浏览网页 实例:开发一个路径导航系统 实例:使用内置浏览器打开网页 实例:显示空间中的照片 第10章 Google AP实例集锦 实例:通过系统在线浏览新闻 实例:模拟验证官方账号 实例:下载网络图片作为手机背景 实例 在手机中开

  3. 所属分类：Android

    • 发布日期：2019-08-16
    • 文件大小：1048576
    • 提供者：liyan_317

  1. rafz80:介绍个人资料页面-源码

  2. 欢迎来到我的Github！ 我是一位具有多年经验的软件工程师，一直在寻找新知识，人脉关系和友谊。我喜欢提供我的代码，以改善人们的优质生活。 我喜欢听各种各样的音乐，特别是爵士乐 :saxophone: 我弹低音 :guitar: ， 键盘 :musical_keyboard: ，最后我创作了一首歌 :musical_note: 我喜欢看NBA :basketball: 我喜欢旅行 :airplane: 实际上，我的主要语言是： 我目前正在研究的一些框架： 我的社交网络： 服务器： 数据库： 作

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：1024
    • 提供者：weixin_42136791

  1. shot-clock:一个基于Django的网络应用，显示最近的NBA球员统计信息-源码

  2. 射击时钟 一个基于Django的网络应用，显示最近的NBA球员统计信息。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：17408
    • 提供者：weixin_42125770

  1. HighRiskGames:为进行游戏性分析而制作的网站-源码

  2. 使用Express JS构建的体育赔率网站 介绍 这是一个网络应用程序，可提供实时的NBA赔率数据以及Gambit上的游戏异常，您可以通过Swagbucks访问这些数据。 以前的链接 附加的功能： 提供可以插入到pageprobe的代码，可以检查实时奇数/价差更改。 去 该网站的用途是： 为什么？： Swagbucks提供您可以兑换的积分，您可以兑换这些积分以达到日常目标。 作者：

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42153793

  1. sports-stats-源码

  2. 体育统计 应用说明 使用网络抓取功能，该应用程序可以检查在即将到来的NBA和NHL比赛中两支球队是否在过去两年中已经互相对抗过。如果是这样，则该应用会评估结果并将其打印出来。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：6144
    • 提供者：weixin_42097533

  1. nba-teams-源码

  2. NBA球队 一个简单的网络应用程序，可让您检查所选城市中是否有NBA球队 技术领域 HTML5 CSS3 Java脚本 jQuery的 NBA API（非官方） 线框/屏幕截图 入门 开始 未来增强 允许用户按名称查找玩家 允许玩家查找游戏和玩家的统计信息

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：44032
    • 提供者：weixin_42135462

  1. LiveProject_CodeSummary_Python:我在Python Live Project上进行的2周冲刺的摘要和重点-源码

  2. LiveProject_CodeSummary_Python 我在Python Live Project上的工作的摘要和重点。 Python Live项目 介绍 这是我在两周的sprint（1/11/21-1/25/21）中使用Python和Django框架完成的项目的摘要。 我的任务是建立一个交互式网站，以管理与各种爱好相关的事物的集合，以及这些爱好的API和数据搜刮内容。 我决定将体育运动作为我的兴趣爱好，尤其是NBA。 我使用编程语言Python和功能强大的Django Framewor

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：7340032
    • 提供者：weixin_42137028

  1. nbaGNNs:图神经网络模型在2013-2019、2021赛季对nba和ncaa点微分图执行链接预测-源码

  2. 该项目是几个图神经网络模型的实现，用于在NBA和NCAA篮球的2013-2019年，2021赛季的加权有向点微分图上进行链接预测。 打开src / models.py选择测试的年份和日期范围或调整超参数。 运行src / models.py火车并测试模型。 每种预测在2021年的都发布在。 所显示的预测是（主场得分-客场得分）。 模型的输入是表示给定日期的季节状态的图形：“进攻/防守”图形具有nba进攻和防守作为节点，而边沿则表示它们之间的相互作用。 Vegas图以团队为节点，其加权有向边表示

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：4194304
    • 提供者：weixin_42099176

  1. nbaplayerstats-源码

  2. NBA球员统计 该项目的目标是获取当前和以前年度的NBA球员统计数据。 由于没有免费的可用API，因此我从获得了数据集。 这些数据将用于建立一个网站，比较这些年来的球员数据。 ->该项目仅供学习。 学习目标 练习PHP 使用网络抓取库 处理CSV和SQLite中的数据 将原始数据转换为图表 自动检索当前季节的数据集 建立一个API来解耦前后 特征 询问玩家姓名 检索玩家的状态 获取他前几个赛季的统计数据以进行比较 在图表中显示主要数据（得分，助攻，篮板） 在表格中显示完整统计信息

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：20480
    • 提供者：weixin_42168555

  1. DSC180B_Project-源码

  2. DSC180B_Project 网址： ： 关于： 该存储库包含图卷积网络的实现，用于NBA数据集上的节点分类。 目标是能够使用球员统计数据和赛季中各队之间的对决的图表表示来对NBA球队的排名进行分类。 设置Docker映像在仓库上的上找到了为使环境能够运行此项目而创建的docker映像。在aubarrio / q2checkpoint：latest找到 模型数据：我们在该项目中使用的数据是在找到的多个网络抓取数据的组合，我们使用了球员和球队统计数据等数据，以及赛季的球队时间表。 我们

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：592896
    • 提供者：weixin_42127020

  1. NBA机器学习：机器学习为所有NBA球队和薪水值提供动力的预测-源码

  2. :basketball: NBA机器学习 :basketball: 该项目的目标是找到一个模型来最好地预测2019-2020赛季因冠状病毒而被暂停的全联盟球队。 对几种模型进行了训练，测试和分析，以找到最合适的模型。 有关神经网络和随机森林预测分析的信息，请参阅2019年笔记本;有关2019-2020年所有NBA球队预测的信息，请参阅2020年笔记本。 更新： 9月中旬，宣布了2020年NBA最佳阵容。 2020年的神经网络模型以87％的准确性预测了此结果。 TLDR 查看此Google幻

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：619520
    • 提供者：weixin_42134234

  1. 产品组合：应用数据科学和机器学习解决现实世界中的见解问题-源码

  2. 数据科学组合 博天 该产品组合包含我的数据科学项目，相关实践和证书。 如果您有任何问题或意见，请告诉我。 专案 在此端到端机器学习项目中，我们开发了XGBoost模型，并使用AI平台将其提供给Google Cloud Platform（GCP）。 我们工作的目的是通过分析用户在网站上的行为来预测音乐流媒体服务KKBox的用户是否会“搅动”（即离开此基于订阅的服务）。 在这个项目中，我构建了一个来预测NBA的比赛结果。 为了使该模型有利可图，我将后端谓词模型设计为前馈神经网络，使用玩家级别特征和

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：33554432
    • 提供者：weixin_42140716

  1. MortalLock：用于NBA体育博彩的Tensorflow神经网络-源码

  2. 真人锁 Tensorflow神经网络用于NBA体育博彩

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：8388608
    • 提供者：weixin_42132359

  1. NBA_模型-源码

  2. NBA_模型 目的 该项目的目的是使用历史NBA Boxscore数据和历史博彩赔率来建立一个可以对赌博彩线有利可图的模型。 为此，我将使用球员级别和一些团队级别的统计数据以及神经网络模型。 数据 玩家数据-从2010年至今的每场比赛的玩家等级得分 player_gamelogs player_advanced_boxscores player_scoring_boxscores player_tracking_boxs分数 球队数据-从2010年至今的每场比赛的球队级别箱得分 游戏记录

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：80740352
    • 提供者：weixin_42144086

  1. 前端东西NBA-源码

  2. NBA资讯 这是第比利斯自由大学网络课程的最终项目。

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：643072
    • 提供者：weixin_42109178

  1. NBA_Game_Prediction-源码

  2. NBA游戏预测 项目组：孟梦媛，奥斯丁 该存储库包含一个发现NBA游戏预测的数据科学项目。 我们调查个人NBA球员的社交网络以及各支球队之间的关系。 我们将利用球队的统计数据和球员的统计数据和分析，通过利用2015赛季至2019赛季的球队统计数据和球员统计数据来预测谁赢得比赛。 我们将使用GraphSAGE（这是一个可通用的嵌入框架）来创建图分类。 运行项目 要获取数据，请从项目根目录运行python run.py data src / data / data.py获取功能，图形数据标签 sr

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：449536
    • 提供者：weixin_42102713

  1. NBA网络-源码

  2. 该项目是通过。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看。 如果进行编辑，页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行程序。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 最小化构建，文件名包含哈希。 您的应用已准备好进行部署！ 有关更多信息，请参

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：205824
    • 提供者：weixin_42109545

  1. 幻想篮球：刮擦统计数据，使用神经网络和增强算法预测NBA球员的表现，并使用遗传算法优化选秀王的阵容。 Udacity的机器学习工程师Nanodegree的Capstone项目-源码

  2. NBA球员表现预测和阵容优化 NBA球员表现的预测，由Draft Kings定义为Fantasy Points。 这个顶峰项目是由Udacity作为机器学习工程师Nanodegree的一部分进行审核并批准的。 有关详细信息，请参见的最终报告。 请注意，自编写报告以来，代码已更新，内容不一定匹配。 截至2019年6月，该项目正在进行小型重构和文档编制，请随时通过与我。 我们会做什么 该项目的最终目标是为幻想篮球网站生成一系列阵容。 为此，我们将从2014-15赛季开始的每场常规赛季比赛中收集球员

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：104857600
    • 提供者：weixin_42108948

  1. uxscoreboard：体育记分牌网络应用-源码

  2. · 基于ES6，React和node.js的实时体育记分牌网络应用程序。 uxscoreboard | NBA得分 用法 git clone https://github.com/asapzacy/uxscoreboard.git cd uxscoreboard yarn dev:fresh # open https://local.uxsocreboard:8888 or https://localhost:8888

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42102272

  1. NBA-Draft-Model-2018：Jupyter笔记本，概述了创建机器学习预测模型的过程。 根据众多统计数据，例如大学统计，预计的选秀顺位，身体状况和年龄，预测当前选秀中的“共赢”高峰。 我尝试了多种模型，并根据自己的判断为数据选择

  2. NBA草稿模型-2018 Jupyter笔记本概述了创建机器学习预测模型的过程。 根据众多统计数据，例如大学统计，预计的选秀顺位，身体状况和年龄，预测当前选秀中的“共赢”高峰。 我尝试了多种模型，并根据我的判断为数据选择了性能最好的模型。 使用线性回归，神经网络多层感知器回归，岭回归，套索回归和线性支持向量回归。 所有模型都是使用scikit-learn创建的。 数据库由RealGm，Basketball Reference和NBA.com从零开始构建。 *由于数据库是从头开始构建的，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：147456
    • 提供者：weixin_42114580