您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. ArcGIS.9最新教程

  2. 地理信息系统,具体来说,ArcGIS 10拥有以下诸多新特性:   轻松、便捷的用户体验   ·通过关键字、数据类型的搜索来迅速查找数据和地图   ·提供更符合用户使用习惯的操作界面及工具布局   ·快速准确的在符号库中通过关键字搜索定位符号   ·新的基于模版的草图式编辑模式大大简化了地图的生产制作   ·缓存和Web图形的优化使得绘图更快,漫游更流畅,操作体验更好   ·地图制作与生产自动化程度大幅提升,更加具备生产能力   开放、高效的空间数据模型   ·Geodatabase中网络模型
  3. 所属分类:物流

    • 发布日期:2011-11-07
    • 文件大小:4194304
    • 提供者:jiangwunai
  1. LuceneInAction(第2版)_中文版

  2. 内容简介   《Lucene实战(第2版)》基于Apache的Lucene 3.0,从Lucene核心、Lucene应用、案例分析3个方面详细系统地介绍了Lucene,包括认识Lucene、建立索引、为应用程序添加搜索功能、高级搜索技术、扩展搜索、使用Tika提取文本、Lucene的高级扩展、使用其他编程语言访问Lucene、Lucene管理和性能调优等内容,最后还提供了三大经典成功案例,为读者展示了一个奇妙的搜索世界。   《Lucene实战(第2版)》适合于已具有一定Java编程基本的读者
  3. 所属分类:Java

    • 发布日期:2012-07-12
    • 文件大小:48234496
    • 提供者:liujun13579
  1. modelbuilder

  2. modelbuilder ModelBuilder是ArcGis为设计和实现各种数据处理而提供的一个图形化的建模环境。ModelBuilder建模以流程图的形式表示,流程由数据和数据处理工具组成。其优点是:可以把分析和准备数据过程用到的数据和分析工具通过流程化结合在一起,这种流程模型(Model)可自动处理数据,每次更新操作可以保存,可重复运行,可与他人共享,Model的运行可以象Toolbox中的工具一样运行,Model可以直接生成Python、Jscr ipt和VBscr ipt等形式的脚
  3. 所属分类:其它

    • 发布日期:2013-12-25
    • 文件大小:204800
    • 提供者:y090p
  1. 疯狂JAVA讲义

  2. 第1章 Java概述 1 1.1 Java语言的发展简史 2 1.2 Java的竞争对手及各自优势 4 1.2.1 C#简介和优势 4 1.2.2 Ruby简介和优势 4 1.2.3 Python的简介和优势 5 1.3 Java程序运行机制 5 1.3.1 高级语言的运行机制 6 1.3.2 Java程序的运行机制和JVM 6 1.4 开发Java的准备 7 1.4.1 安装JDK 8 学生提问:不是说JVM是运行Java程序的虚拟机吗?那JRE和JVM的关系是怎样的呢? 8 学生提问:为什
  3. 所属分类:Java

    • 发布日期:2014-10-17
    • 文件大小:33554432
    • 提供者:yzzgjw
  1. nosql 入门教程

  2. 第一部分  NoSQL入门 第1章  NoSQL的概念及适用范围 2 1.1  定义和介绍 3 1.1.1  背景与历史 3 1.1.2  大数据 5 1.1.3  可扩展性 7 1.1.4  MapReduce 8 1.2  面向列的有序存储 9 1.3  键/值存储 11 1.4  文档数据库 14 1.5  图形数据库 15 1.6  小结 16 第2章  NoSQL上手初体验 17 2.1  第一印象——两个简单的例子 17 2.1.1  简单的位置偏好数据集 17 2.1.2  存储
  3. 所属分类:MySQL

    • 发布日期:2017-10-25
    • 文件大小:15728640
    • 提供者:u012296096
  1. python与数据挖掘

  2. 本书主要分为两大部分,基础篇和建模应用篇。基础篇介绍了有关Python开发环境的搭建、Python基础入门、函数、面向对象编程、实用模块和图表绘制等基础知识。建模应用篇主要介绍了目前在数据挖掘中的常用的建模方法在Python中的实现函数,并对输出结果进行了解释,有助于读者快速掌握应用Python进行分析挖掘建模的方法。本书配套提供了书中使用的示例代码及所用的数据,读者可通过上机实验,快速掌握书中所介绍的Python的使用方法。
  3. 所属分类:机器学习

    • 发布日期:2018-07-01
    • 文件大小:12582912
    • 提供者:jumoran
  1. 大数据实训.zip数据收集:网络爬虫、公开数据集、客户数据 数据处理:数据清洗、数据规整

  2. 1.2功能需求 明确任务:明确目的、确定思路 数据收集:网络爬虫、公开数据集、客户数据 数据处理:数据清洗、数据规整 数据分析:数据统计、探索性数据分析(EDA)、数据建模 结果展示:数据可视化、报表生成、结果保存 数据收集:获取歌单索引页、获取歌单详情页 数据处理:数据清洗、数据规整 数据分析统计:歌曲出现次数TOP10,歌单贡献UP主TOP10,歌曲播放量TOP10,歌单收藏量TOP10,歌单评论数TOP10 歌单收藏数量分布情况,单播放数量分布情况,歌单标签图,
  3. 所属分类:讲义

    • 发布日期:2020-01-16
    • 文件大小:40894464
    • 提供者:MossL
  1. python实现数据分析与建模

  2. 主要介绍了python实现数据分析与建模功能,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
  3. 所属分类:其它

    • 发布日期:2020-09-19
    • 文件大小:70656
    • 提供者:weixin_38501363
  1. Python进行统计建模

  2. 前言 大家好,在之前的文章中我们已经讲解了很多Python数据处理的方法比如读取数据、缺失值处理、数据降维等,也介绍了一些数据可视化的方法如Matplotlib、pyecharts等,那么在掌握了这些基础技能之后,要进行更深入的分析就需要掌握一些常用的建模方法,本文将讲解如何利用Python进行统计分析。和之前的文章类似,本文只讲如何用代码实现,不做理论推导与过多的结果解释(事实上常用的模型可以很轻松的查到完美的推导与解析)。因此读者需要掌握一些基本的统计模型比如回归模型、时间序列等。 Stat
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:454656
    • 提供者:weixin_38621312
  1. 机器学习入门 — LDA与PCA算法(公式推导、纯python代码实现、scikit-learn api调用对比结果)

  2. 为什么要做降维: 提高计算效率 留存有用的特征,为后续建模使用 在项目中实际拿到的数据,可能会有几百个维度(特征)的数据集,这样的数据集在建模使用时,非常消耗计算资源,所以需要通过使用降维方法来优化数据集 线性判别分析(Linear Discriminant Analysis) 用途:数据预处理中的降维,分类任务(有监督问题) 目标:LDA关心的是能够最大化类间区分度的坐标轴成分 将特征空间(数据集中的多维样本)投影到一个维度更小的 k 维子空间中,同时保持区分类别的信息 原理:投影到维度更低的
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:287744
    • 提供者:weixin_38654855
  1. Python多项式回归的实现方法

  2. 多项式回归是一种线性回归形式,其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条件均值之间的非线性关系,表示为E(y | x) 为什么多项式回归: 研究人员假设的某些关系是曲线的。显然,这种类型的案例将包括多项式项。 检查残差。如果我们尝试将线性模型拟合到曲线数据,则预测变量(X轴)上的残差(Y轴)的散点图将在中间具有许多正残差的斑块。因此,在这种情况下,这是不合适的。 通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中,不满足该
  3. 所属分类:其它

    • 发布日期:2021-01-01
    • 文件大小:88064
    • 提供者:weixin_38614952
  1. python实现数据分析与建模

  2. 前言 首先我们做数据分析,想要得出最科学,最真实的结论,必须要有好的数据。而实际上我们一般面对的的都是复杂,多变的数据,所以必须要有强大的数据处理能力,接下来,我从我们面临的最真实的情况,一步一步教会大家怎么做。 1.数据的读取 (1)读取模块 Import pandas as pd Import numpy as np (2)读取表格的全部数据 df = pd.read_csv(.data/HR.csv) (3)读取你所需要的数据 sl_s=df[sactisfaction_l
  3. 所属分类:其它

    • 发布日期:2020-12-31
    • 文件大小:76800
    • 提供者:weixin_38666230
  1. Python中利用LSTM模型进行时间序列预测分析的实现

  2. 时间序列模型 时间序列预测分析就是利用过去一段时间内某事件时间的特征来预测未来一段时间内该事件的特征。这是一类相对比较复杂的预测建模问题,和回归分析模型的预测不同,时间序列模型是依赖于事件发生的先后顺序的,同样大小的值改变顺序后输入模型产生的结果是不同的。 举个栗子:根据过去两年某股票的每天的股价数据推测之后一周的股价变化;根据过去2年某店铺每周想消费人数预测下周来店消费的人数等等 RNN 和 LSTM 模型 时间序列模型最常用最强大的的工具就是递归神经网络(recurrent neural n
  3. 所属分类:其它

    • 发布日期:2020-12-31
    • 文件大小:304128
    • 提供者:weixin_38519660
  1. postgres-data-modeling-project:Udacity数据工程纳米学位的第一个项目-源码

  2. Udacity数据工程纳米学位课程 项目:使用Postgres进行数据建模 介绍 一家名为Sparkify的初创公司是一个音乐流应用程序。 他们需要分析他们收集的数据。 数据-json格式的文件,用于记录用户活动和歌曲的元数据。 为了实现此目标,我们创建了一个Postgres数据库和一个ETL管道,该管道使用Python和SQL将文件中的数据传输到该数据库中。 数据库 为了满足Sparkify的分析重点,我们使用星型模式构建数据库。 事实表 'songplays'-来自与歌曲播放相关的日志数据
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:476160
    • 提供者:weixin_42097668
  1. morphablegraphs:用于使用统计模型进行运动建模和合成的库-源码

  2. 形变图 使用功能主成分分析和高斯混合模型的统计运动建模和综合的Python实现。 该代码部分基于Min,Jianyuan和Chaixiang Chai的论文: “运动图++是用于语义运动分析和合成的紧凑型生成模型。” ACM Transactions on Graphics 31.6(2012):1-12。 该代码使用存储库中定义的数据结构。 存储库提供了用于运动建模和运动合成的命令行界面。 为了与游戏引擎集成, 存储库包含一个有状态运动合成服务器。 可选的MGRD子模块是核心库的专有更快的实
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:335872
    • 提供者:weixin_42127754
  1. 在Python中的轨迹分析和熊猫学习套件的学习方法:形成点集的轨迹基于Grid表示形式将轨迹建模为字符串.Benchmarked KNN,Random Forest,Logistic回归分类算法可对轨迹进行有效分类-源码

  2. Python中的轨迹分析和分类(Pandas和Scikit Learn) 一项针对数据挖掘研究生课程的大学项目。 给我们一个trainset,其中地理点与时间间隔成对。 首先,我们清理数据集,然后形成轨迹(具有相应的路线ID)。 本部分的最后一步是根据_their的total_distance和最大距离(它们的两个点之间)过滤掉一些轨迹。 该项目的目标首先是计算test_set_a1 / a2.csv和train_set.csv的轨迹之间的轨迹相似度。 用于该算法的算法是: 快速动态时
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:25165824
    • 提供者:weixin_42113456
  1. AI-mag:AI-mag:基于有限元法和人工神经网络的电感器建模与设计-源码

  2. AI-mag:利用FEM / ANN进行电感建模和设计 AI-mag是用于电力电子电感器优化的MATLAB工具箱(也使用COMSOL和Python)。 该工具的目标是将有限元方法(FEM)的准确性与人工神经网络(ANN)的评估速度相结合。 该项目由苏黎世联邦理工学院的电力电子系统实验室开发,可通过BSD许可获得。 该代码也可以在ETH数据存档中找到。 更准确地说,实现了以下工作流程: 用FEM热和磁仿真(COMSOL)来仿真许多设计 从FEM仿真中提取重要的绩效指标 使用简化的分析模型提
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:23068672
    • 提供者:weixin_42134878
  1. EconML:ALICE(因果关系和经济学的自动学习和情报)是一项Microsoft研究项目,旨在将人工智能概念应用于经济决策。 它的目标之一是构建一个工具包,将最先进的机器学习技术与计量经济学相结合,以使自动化解决复杂的因果推理问题。 迄

  2. EconML:用于基于ML的异构处理效果估计的Python包 EconML是一个Python软件包,用于通过机器学习从观察数据中估计异构处理效果。 此软件包是作为Microsoft Research的一部分设计和构建的,目的是将最新的机器学习技术与计量经济学相结合,以使自动化解决复杂的因果推理问题。 EconML的承诺: 在计量经济学和机器学习的交集中实现文献中的最新技术 保持建模效果异质性的灵活性(通过诸如随机森林,增强,套索和神经网络之类的技术),同时保留对所学模型的因果解释,并经常提供有
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:17825792
    • 提供者:weixin_42109545
  1. gensim:人类主题建模-源码

  2. gensim – Python中的主题建模 Gensim是用于主题建模,文档索引和大型语料库相似性检索的Python库。 目标受众是自然语言处理(NLP)和信息检索(IR)社区。 产品特点 所有算法均与语料库大小无关(可以处理大于RAM的输入,流式处理,核外处理), 直观的界面 轻松插入您自己的输入语料库/数据流(简单的流式API) 易于使用其他向量空间算法(简单转换API)进行扩展 流行算法的高效多核实现,例如在线潜在语义分析(LSA / LSI / SVD) ,潜在狄利克雷分配(LDA
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:58720256
    • 提供者:weixin_42114645
  1. python数据分析与建模实现-第一次笔记

  2. 首先我们做数据分析,想要得出最科学,最真实的结论,必须要有好的数据。而实际上我们一般面对的的都是复杂,多变的数据,所以必须要有强大的数据处理能力,接下来,我从我们面临的最真实的情况,一步一步教会大家怎么做。 首先,第一步是对空值的处理。 有两种,一种直接删除,另一种指代。如果数据多,想简单一点,就直接删除,方法都很简单。有些数据非常重要,不能删除,那我们就选择指代,也就是替换
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:30720
    • 提供者:weixin_38528463
« 12 »