Ta上传的资源 (0)

基于online shoppers intention数据的网购人群购买意图分析，采用数据预处理、one hot编码和轮廓系数方法分别使用K-means、层次聚类和DBSCAN进行聚类。其中，轮廓系数是衡量聚类效果的重要指标，n=2时可以准确评估该方法的聚类效果。

本次银联数据分类练习主要通过构建决策树模型成功预测逾期还款情况。在进行模型构建前，我们首先通过pandas读取数据集，并进行数据缺失值处理和属性筛选。其中，分类属性缺失值直接删除，连续属性缺失值采用K近邻算法进行插值。同时，对数据集中的分类变量进行Onehot编码处理，并通过PCA降维将数据维度降为

本文主要介绍了阿里天池竞赛二手车交易价格预测的相关信息和分析过程。赛题使用40w+的数据进行预测，评测标准为平均绝对误差MAE。竞赛数据经过处理后，使用xgb、lgb以及xgb+lgb融合的方法进行了预测。同时，本文分别对训练集和测试集进行缺失值分布的可视化分析，发现数据服从无界约翰逊分布，并对数值

使用PyTorch 1.11.0和CUDA 11.3，本资源提供了Cora数据集的GCN算法练习代码，非原创，参考了GitHub上的代码并进行了改进。经过85个epoch的训练，逻辑设计了循环，在每个epoch中进行10次训练，train、val、test值都已收敛，代码实现可靠，可供参考学习和实践
C 7

基于之前分享的GNNDM资源，这次分享的是相应的代码测试数据集。您也可以在 https://github.com/Ivan0131/gnn-demo 上获取。本数据集可以帮助您测试和优化自己的图神经网络模型。

参考自 https://github.com/Ivan0131/gnn-demo/tree/master/gnn1.1.0-tensorflow1.15，本文在源代码基础上增加了测试集的划分和测试集训练精度结果的输出。代码块如下： # 代码块开始 import tensorflow as tf fr
C 9

本文介绍基于MNIST数据集的CNN图像识别尝试代码，CNN是卷积神经网络，主要应用于图像识别领域。CNN采用局部感受野、权值共享和池化等思想，通过多层卷积和池化操作提取图像的特征信息，从而实现图像分类。本代码利用部分CNN知识对MNIST数据集进行了训练和测试，旨在帮助初学者更好地理解CNN的基本
C 7

基于MNIST数据集的初级CNN尝试。使用tensorflow1.15创建训练和测试集，由来自250个不同人手写的数字构成training set，test set也是同样比例的手写数字数据。通过使用CNN技术，我们成功提高了手写数字数据集的准确率，这将有助于我们更好地理解和应用计算机视觉技术。如果
C 23

以下是关于ROSTCM6软件的详细介绍： ROSTCM6是武汉大学开发的一款开源软件，具备中文文本分词、字词频统计、情感分析和情感极性判断等功能。该软件开发过程中，可以构建社交网络和语义网络，还提供可视化的标签云和TF-IDF提取，可用于聊天、微博、期刊分析等。 ROSTCM6可以分析中文文本的情感
OS 12

参考GitHub链接，在源代码基础上进行了改进，包括加入测试集的划分和输出训练精度结果等。代码示例如下：
C 9