主要是通过R语言，对日期数据进行处理，并补全缺失数据rawdata＜-read.csv("C:/Users/li/Desktop/ss.csv",fill=F)#提取数据ss1,并组合数据-------------------------------ts1＜-rawdata$ts1ts11＜-as.Date(ts1,'%Y/%m/%d')false＜-is.na(ts11)ts21＜-ts11[!false]ss1＜-rawdata$SS1ss1＜-ss1[!false]library(zoo)data1＜-zoo(ss1,ts21)#补全不规则数据(时间的缺失和缺失值)date1＜-zoo(,seq(start(data1),end(data1),'day'))datanew1＜-merge(data1,date1)datanew1[is.na(datanew1)]＜-median(datanew1,na.rm=T)#提取数据ss2
2023/10/13 15:53:47
923B
1
使用python3按城市抓取安居客小区数据，生成csv文件，纯属教学demo，严谨企业使用及用作商业用途
2023/10/13 1:49:11
4KB
1
可修改成自己数据的csv转化为tfrecord的python代码文件。
我将每个图像文件整合一起单独存储，一个图像中有多个目标存储一起，并注明如果训练自己的模型，目标检测的类别不同，需要修改此处等标记
我将每个图像文件整合一起单独存储，一个图像中有多个目标存储一起，并注明如果训练自己的模型，目标检测的类别不同，需要修改此处等标记
2023/10/9 15:34:26
4KB
1
ML项目：预测Dota2游戏结果这是我的个人机器学习项目。
该项目的目标是预测dota2游戏的结果。
介绍Dota2是世界上拥有大型电子竞技场景的著名视频游戏。
Dota2每年举办一次电子竞技世界冠军赛，最近的比赛奖池超过3400万美元。
预测特定游戏结果的能力不仅在体育比赛中而且在常规游戏酒吧中都至关重要。
了解游戏的获胜因素将有助于玩家分析游戏和策略。
数据资料总览数据集来自公开的。
这项比赛是由与合作组织的，是一家专门利用人工智能帮助球员提高技能和策略的公司。
发布者已经提供了train_features.csv和test_features.csv集作为训练和测试数据集。
但是，由于这是一场滑稽表演比赛，因此尚未发布test_features.csv设置的真实结果。
因此，我将根据train_features.csv集创建自己的测试集。
train_targes.c
该项目的目标是预测dota2游戏的结果。
介绍Dota2是世界上拥有大型电子竞技场景的著名视频游戏。
Dota2每年举办一次电子竞技世界冠军赛，最近的比赛奖池超过3400万美元。
预测特定游戏结果的能力不仅在体育比赛中而且在常规游戏酒吧中都至关重要。
了解游戏的获胜因素将有助于玩家分析游戏和策略。
数据资料总览数据集来自公开的。
这项比赛是由与合作组织的，是一家专门利用人工智能帮助球员提高技能和策略的公司。
发布者已经提供了train_features.csv和test_features.csv集作为训练和测试数据集。
但是，由于这是一场滑稽表演比赛，因此尚未发布test_features.csv设置的真实结果。
因此，我将根据train_features.csv集创建自己的测试集。
train_targes.c
2023/10/5 13:44:38
14.37MB
1
爬取12306及火车票网，包括所有火车站及其所属城市、火车、火车经停时刻表、车站之间的距离，因为huochepiao上有些信息过时，所以去除了一些数据，最终剩下的列车名在tid.csv中
2023/10/3 8:24:23
2.04MB
1
此存储库包含预印本附带的数据。
4月24日的投影在文件apr24_proj.zip中。
APril30的投影在文件apr30_proj.zip中。
解压缩后的文件为csv格式，其数据的八列如下：日，月，每天死亡，总死亡，未识别感染，隔离，已感染，已确认
4月24日的投影在文件apr24_proj.zip中。
APril30的投影在文件apr30_proj.zip中。
解压缩后的文件为csv格式，其数据的八列如下：日，月，每天死亡，总死亡，未识别感染，隔离，已感染，已确认
2023/9/26 9:28:27
254KB
1
该资源是文章的资料，压缩包中包含：Gephi软件、中国知网数据、展示图谱、Python代码。
本篇文章主要采用Python和Gephi构建中国知网某个领域的作者合作关系和主题词共现的知识图谱，重点阐述了一种可操作的关系图谱构建方法，可用于论文发表、课程或企业可视化展示等。
其基本步骤如下：1.在中国知网搜索“清水江”关键词，并导出论文Excel格式。
2.使用Python处理文本，获取作者合作的共现矩阵及三元组。
3.Gephi导入CSV节点及边文件，并构建关系图谱。
4.Gephi调整参数，优化关系图谱。
原文链接：https://blog.csdn.net/Eastmount/article/details/100200437希望该资源对您有所帮助，建议结合博客来学习。
本篇文章主要采用Python和Gephi构建中国知网某个领域的作者合作关系和主题词共现的知识图谱，重点阐述了一种可操作的关系图谱构建方法，可用于论文发表、课程或企业可视化展示等。
其基本步骤如下：1.在中国知网搜索“清水江”关键词，并导出论文Excel格式。
2.使用Python处理文本，获取作者合作的共现矩阵及三元组。
3.Gephi导入CSV节点及边文件，并构建关系图谱。
4.Gephi调整参数，优化关系图谱。
原文链接：https://blog.csdn.net/Eastmount/article/details/100200437希望该资源对您有所帮助，建议结合博客来学习。
2023/9/26 4:28:46
83.93MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB