——SIP产品销售能力建设课程-初级态势感知的背景安全感知平台定位解决客户问题主要功能及优势产品形态SIP配套安全服务及SIP的报价模式“谁进来了不知道、是敌是
2022-11-17 23:23:29
1.34MB
1
内容为Goldman Sachs(GS)高盛集团2010年1月1日至2018年12月31日的股价信息数据，可以直接用于高盛股价预测 ，股价预测的完整代码可以参考：https://cloud.tencent.com/developer/article/1395737
2022-11-17 19:27:19
49KB
FIFA-worldcup-2018-预测
使用机器学习预测2018年FIFA世界杯冠军。
这是我的第一个练习数据挖掘和机器学习技术的个人项目。 我主要使用熊猫，seaborn和scikit-learn。 请随意查看回购中的Jupyter Notebook，以检查代码和提供的见解。 我希望它足够讲道理！
如何可视化Jupyter Notebook的所有荣耀
确保已安装Jupyter笔记本（ ）。
在此存储库中，按绿色的“克隆”或“下载”按钮。
确定是要克隆存储库还是将其下载为.zip（如果您不熟悉Github，建议您以.zip下载）。
打开Jupyter Notebooks应用程序。 浏览器中的选项卡将打开。 导航到保存该存储库的文件夹。
单击“ Predicting World Cup 2018 Winner.ipynb文件将其打开。
它应该工作！ 现在，您可以浏览代码，运
2022-11-13 23:11:17
1.17MB
1
MATLAB用拟合出的代码绘图睡眠时分析大脑的连通性
梅兰妮·伯恩哈特（MélanieBernhardt）
学期项目-数据科学课程研究
主管：J.
Buhmann，顾问：D.
Miladinovic
苏黎世联邦理工学院-机器学习学院
在这个学期的项目中，我们将展示如何在二元睡眠阶段分类的背景下，将图神经模型应用于从MEG记录中导出的多频大脑连接性数据。
该存储库包含与此项目关联的代码。
它包含以下所有必要的文件：
从原始Matlab文件构建numpy特征矩阵
构建并训练报告中介绍的图分类神经网络。
运行报告中描述的实验。
本自述文件详细介绍了此存储库文件的内容及其所包含的功能。
每个函数及其参数也都精确地记录在代码中。
从原始Matlab文件构建特征矩阵
使用文件build_features.py计算并保存实验所需的特征矩阵。
它包含以下功能：
prepare_X将原始MatLab文件加载并合并为一个单个的numpy数组，形状为[nobs，4095，50]。
它以主题列表作为输入参数，仅在需要时才加载主题子集的数据。
transform_X_std执行标准频带聚合预处理步骤。
它采用一
2022-11-03 23:50:43
2.99MB
1