数据科学入门，第二版，介绍数据科学基本知识的重量级读本，Google数据科学家作品。
数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21世纪头号性感职业”。
本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。
作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。
书中涵盖的所有代码和数据都可以在GitHub上下载。
通过阅读本书，你可以： 学到一堂Python速成课；
学习线性代数、统计和概率论的基本方法，了解它们是怎样应用在数据科学中的；
掌握如何收集、探索、清理、转换和操作数据；
深入理解机器学习的基础；
运用k-近邻、朴素贝叶斯、线性回归和逻辑回归、决策树、神经网络和聚类等各种数据模型；
探索推荐系统、自然语言处理、网络分析、MapReduce和数据库。
数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21世纪头号性感职业”。
本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。
作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。
书中涵盖的所有代码和数据都可以在GitHub上下载。
通过阅读本书，你可以： 学到一堂Python速成课；
学习线性代数、统计和概率论的基本方法，了解它们是怎样应用在数据科学中的；
掌握如何收集、探索、清理、转换和操作数据；
深入理解机器学习的基础；
运用k-近邻、朴素贝叶斯、线性回归和逻辑回归、决策树、神经网络和聚类等各种数据模型；
探索推荐系统、自然语言处理、网络分析、MapReduce和数据库。
2024/3/25 19:37:40
4.65MB
1
在这次演讲中，我将介绍我们在学习知识图推理逻辑规则方面的最新进展。
逻辑规则在用于预测和推广到其他任务时提供了可解释，因此是学习的关键。
现有的方法要么面临在大搜索空间中搜索的问题(如神经逻辑编程)，要么由于稀疏奖励而无效优化(如基于强化学习的技术)。
为了解决这些局限性，本文提出了一个称为RNNLogic的概率模型。
逻辑规则在用于预测和推广到其他任务时提供了可解释，因此是学习的关键。
现有的方法要么面临在大搜索空间中搜索的问题(如神经逻辑编程)，要么由于稀疏奖励而无效优化(如基于强化学习的技术)。
为了解决这些局限性，本文提出了一个称为RNNLogic的概率模型。
2024/3/22 5:45:08
2.24MB
1
聚类分析不要忘记在pom.xml中添加“json-simple”作为项目的依赖在运行程序之前，将开源物理库导入项目（）要创建导入文件，请调用randomDataGenerator.js脚本var1是导入文件的标题（例如dataFile）var2是集群节点的数量（例如25）var3是概率（例如0.3）如果运行初始化而不导入数据文件，它将在变量中生成具有指定计数和边沿概率的随机点个人实验结果我已经从项目中创建了数据文件，节点是方法，边缘是函数调用。
初始状态描述在./SampleData/Analysis_Functions.txt文件中，固定的数据文件是./SampleData/analysis.json这是集群的初始状态这是形成的团簇./SampleData/Analysis_Cluster.txt文件中的文本形式也描述了群集
初始状态描述在./SampleData/Analysis_Functions.txt文件中，固定的数据文件是./SampleData/analysis.json这是集群的初始状态这是形成的团簇./SampleData/Analysis_Cluster.txt文件中的文本形式也描述了群集
182KB
1
DeepConvolutionalTransferLearningNetworkANewMethodforIntelligentFaultDiagnosisofMachineswithUnlabeledData(深度卷积迁移学习网络：一种新的无标记机器故障智能诊断方法)雷亚国团队2018年文章。
机械智能故障诊断的成功依赖于两个条件。
1)含有故障信息的有标签数据是可用的。
2)训练和测试数据是从相同的概率分布中获取的。
然而，对于大部分机械，很难获得大量的有标签数据。
此外，尽管一些机械可以获取有标签数据，但是由于数据分布的差异，用这些有标签数据训练的智能故障诊断方法可能无法对从其他机械获得的无标
机械智能故障诊断的成功依赖于两个条件。
1)含有故障信息的有标签数据是可用的。
2)训练和测试数据是从相同的概率分布中获取的。
然而，对于大部分机械，很难获得大量的有标签数据。
此外，尽管一些机械可以获取有标签数据，但是由于数据分布的差异，用这些有标签数据训练的智能故障诊断方法可能无法对从其他机械获得的无标
2.04MB
1
在上一版的基础上修改了icon图标的颜色取反效果显示效果，修改了未来3天天气更新频率，减少获取json数据后，查找不到相关信息而显示n/a概率，实际上通过串口打印信息来看是获取到json数据的，即使失败，在下一个周期更新的时候也会更新出来和实时气象相关数据类型修改为byte类型
2024/3/16 15:43:35
36KB
1
COVID个人风险计算器根据您的年龄，性别，种族，症状，健康状况，行为等，计算个人患COVID的风险...风险=（（活动案例中社区的比例）（症状概率）（敏感性））/（归一化因子）请注意，可以从NYTimesCOVID-19github上检索“us-counties.csv”文件。
链接到这里对症状风险的计算是通过对没有COVID和具有COVID的患者的症状报告进行逻辑回归。
ALAMA发表的论文将健康风险纳入了我们的计算器。
链接到这里根据年龄如何影响您的死亡，进入重症监护病房和住院的机会的不同研究，使用指数分布将COVID年龄转换为死亡，重症监护病房和住院的可能性。
社区风险是使用从NYTimesCOVID-19github检索的us-counties.csv文件计算的。
文件每周更新一次。
贡献者团队马凯文-团队负责人/数据科学家TimothyGa
链接到这里对症状风险的计算是通过对没有COVID和具有COVID的患者的症状报告进行逻辑回归。
ALAMA发表的论文将健康风险纳入了我们的计算器。
链接到这里根据年龄如何影响您的死亡，进入重症监护病房和住院的机会的不同研究，使用指数分布将COVID年龄转换为死亡，重症监护病房和住院的可能性。
社区风险是使用从NYTimesCOVID-19github检索的us-counties.csv文件计算的。
文件每周更新一次。
贡献者团队马凯文-团队负责人/数据科学家TimothyGa
2024/3/15 10:15:29
17.53MB
1
基于特征点的图像匹配方法的关键是准确快速地将可靠的特征点提取出来。
经典归一化互相关匹配法属于基于特征点匹配方法中的一种，归一化互相关匹配法具有操作简单，匹配精度高等优点，但其计算量庞大，难以满足实时跟踪的要求。
提出了一种基于序贯相似性检测的归一化互相关快速匹配方法，并对提出的改进方法进行实验验证。
实验表明，该方法可以准确快速的进行特征点匹配，减少了算法的计算时间，有效地减少了发生误匹配的概率。
经典归一化互相关匹配法属于基于特征点匹配方法中的一种，归一化互相关匹配法具有操作简单，匹配精度高等优点，但其计算量庞大，难以满足实时跟踪的要求。
提出了一种基于序贯相似性检测的归一化互相关快速匹配方法，并对提出的改进方法进行实验验证。
实验表明，该方法可以准确快速的进行特征点匹配，减少了算法的计算时间，有效地减少了发生误匹配的概率。
2024/3/12 8:13:56
635KB
1
作者:郡山彬出版社:世界图书出版公司译者:刘京华出版年:2005-2页数:169定价:15.00元丛书:轻松解读科学奥秘ISBN:9787506268677内容简介······概率统计与我们的生活息息相关，是一门能够即学即用的学问。
从骰子游戏的胜负到基本的统计处理，我们用图解说话，助你揭开“统计”迷雾，攻破“概率”难关。
《蜗牛科学系列》丛书从基础入手，遵循循序渐进的原则，深入浅出地解说基本的科学原理和最新的科学知识，注重学习方法与兴趣的培养。
带着身边的问题走进它，不用死记定理，也不用硬背公式，不再乏味，不再费解，轻松步入神奇有趣、绚丽多姿的科学世界。
本书是其中之一。
本书是写给觉得“我知道概率统计这个词，就是和现实事物对不上，不理解”，或常常想“我要学习概率统计，可是从哪里开始学呢”的读者。
我们的目标是把概率的基本知识解释得通俗易懂，并且尽量具体说明。
其中所举事例也尽量争取从我们周围的事情和日常的生活中选取。
数学看起来复杂，归根究底，审一个“简单事实的积累”。
概率统计也是如此。
希望本书能够帮助读者理解概率统计，或者使各位读者燃起学习的兴趣。
从骰子游戏的胜负到基本的统计处理，我们用图解说话，助你揭开“统计”迷雾，攻破“概率”难关。
《蜗牛科学系列》丛书从基础入手，遵循循序渐进的原则，深入浅出地解说基本的科学原理和最新的科学知识，注重学习方法与兴趣的培养。
带着身边的问题走进它，不用死记定理，也不用硬背公式，不再乏味，不再费解，轻松步入神奇有趣、绚丽多姿的科学世界。
本书是其中之一。
本书是写给觉得“我知道概率统计这个词，就是和现实事物对不上，不理解”，或常常想“我要学习概率统计，可是从哪里开始学呢”的读者。
我们的目标是把概率的基本知识解释得通俗易懂，并且尽量具体说明。
其中所举事例也尽量争取从我们周围的事情和日常的生活中选取。
数学看起来复杂，归根究底，审一个“简单事实的积累”。
概率统计也是如此。
希望本书能够帮助读者理解概率统计，或者使各位读者燃起学习的兴趣。
2024/3/11 23:33:38
131.89MB
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