该数据集包含了1,600,000条从推特爬取的推文，可用于情感分析相关的训练。
该数据集包含两个数据文件：测试集（test）和训练集（training）数据文件没有包含heading，从左到右分别是：（1）推文标注（polarity）：0=负面，2=中立，4=正面（2）推文的id（3）时间：SatMay1623:58:44UTC2009（4）Query(lyx)，如果没有query，数值为NO_QUERY.（5）发推的用户：robotickilldozr（6）推文内容

包含两个图像分类的资源1.bp算法用matlab实现图像分类已调试可以运行2.基于神经网络的图像分类，数据资源是基于CIFAR-10，内含训练测试数据（batch），是唐宇迪深度学习入门课程的修改代码，python3版本源码公开，仅供学习使用。

1.目录1.目录22.绘图函数Plottingfunctions42.1.可视化的统计关系Visualizingstatisticalrelationships42.1.1.用散点图联系变量Relatingvariableswithscatterplots42.1.2.强调线条图的连续性Emphasizingcontinuitywithlineplots102.1.3.显示与切面的多个关系Showingmultiplerelationshipswithfacets212.2.分类数据绘图Plottingwithcategoricaldata242.2.1.分类散点图Categoricalscatterplots262.2.2.分类观测值分布Distributionsofobservationswithincategories312.2.3.分类统计估计Statisticalestimationwithincategories372.2.4.对“wide-form”数据作图Plotting“wide-form”data412.2.5.显示与facet的多个关系Showingmultiplerelationshipswithfacets432.3.可视化数据集的分布Visualizingthedistributionofadataset442.3.1.绘制单变量分布Plottingunivariatedistributions452.3.2.绘制二元分布Plottingbivariatedistributions512.3.3.在数据集中可视化成对关系Visualizingpairwiserelationshipsinadataset552.4.可视化线性关系Visualizinglinearrelationships572.4.1.函数绘制线性模型Functionstodrawlinearregressionmodels582.4.2.拟合不同种类的模型Fittingdifferentkindsofmodels612.4.3.在其他变量上的情况Conditioningonothervariables682.4.4.控制图表的大小和形状Controllingthesizeandshapeoftheplot712.4.5.在其他上下文中绘制回归图Plottingaregressioninothercontexts733.多图网格Multi-plotgrids763.1.构建结构化的多图网格Buildingstructuredmulti-plotgrids763.2.有条件的小倍数Conditionalsmallmultiples773.3.使用定制函数Usingcustomfunctions863.4.绘制成对的数据关系Plottingpairwisedatarelationships904.绘图美学Plotaesthetics994.1.控制图表美学Controllingfigureaesthetics994.1.1.Seaborn图表风格Seabornfigurestyles1014.1.2.删除轴上的小凸起Removingaxesspines1044.1.3.临时设置图表样式Temporarilysettingfigurestyle1054.1.4.覆盖Seaborn样式的元素Overridingelementsoftheseabornstyles1064.1.5.缩放图表元素Scalingplotelements1084.2.选择调色板Choosingcolorpalettes1114.2.1.创建颜色调色板Buildingcolorpalettes1114.2.2.定性调色板Qualitativecolorpalettes1124.2.3.连续调色板Sequentialcolorpalettes1164.2.4.不同颜色的调色板Divergingcolorpalettes1224.2.5.设置默认调色板Settingthedefaultcolorpalette1245.教程中的数据集125

词库的各分类数据（已去重）来源于搜狗，考虑到各行各业需要的分词规则不同，故没有合并，需要的可以下载下来自行合并

依据这里提供的下载资源阿里巴巴行业分类数据外面的文本天生的阿里巴巴行业分类SQLSERVER数据

基于LSTM的EEG脑电信号分类，数据集来自于BCI竞赛IV-2b下载方式见我的博客https://blog.csdn.net/fzf1996/article/details/88031737

keras下载速度慢或者下载不下来时，可将数据集放入.keras/datasets下即可（普通在用户目录下）

艾滋病疗法的评价及疗效的预测摘要艾滋病是至今人类仍未征服的疾病，流行发展趋势越来越严峻，攻克艾滋病是人类面临的一大难题。
本文给出了艾滋病患者的临床治疗数据，要考虑预测继续治疗的效果，并评价各种治疗方案优劣，预测即根据已有的数据信息推算将来的数据，评价方案的优劣属于决策类问题。
对问题（1），先分析CD4和HIV的浓度的变化趋势，建立微分方程模型，无法求解析解，用软件matlab求出CD4和HIV的参数表达式，从附件的数据信息中挖掘出具有普遍特征的数据，用回归法求参数的值，因为得到的表达式不是常规的形式，只能回归出HIV表达式的参数，CD4的无法求出。
作数据分布图，发现描出的形状同二次曲线的图形相近，二次曲线的图形特性符合CD4的浓度变化趋势。
于是建立待定系数的二次曲线方程模型，先拟合出多组参数值，再用回归法确定最后的值，得出的二次曲线方程。
根据HIV和CD4的浓度表达式结合可以作出提前终止治疗的预测，终止时间在第30周。
问题（2），预测四种疗法的继续治疗效果。
首先将患者按CD4初始浓度分类，仍引用前面的二次曲线模型，用附件二的数据回归出曲线方程的参数。
回归过程中考虑到是要评价不同的疗法，根据疗法的不同把数据分为四类，回归得出四组参数，相应的表达式就是这种疗法的CD4的浓度变化曲线方程。
比较四种疗法的优劣，采用CD4浓度最大值和取得最大值的时间为评判标准，结合更加细化的分类数据画出的图形，从理论上和直观上都证实了评价的结果：疗法4效果最好，疗法3次之，疗法2再次之，疗法1效果较差；
利用二次曲线模型得出最佳方案停止用药的最佳时间为20周，同时由分类法模型得出在四种不同CD4初始浓度的条件下最佳方案停止用药的最佳时间分别为：24周、16周、16周、24周。
两种模型的结果相接近。
问题（3）要考虑药品价格因素的影响，价格和药效的权重无法确定，通过假设权重参数来定量表示价格和药效的关系。
采用层次分析法构建层次结构模型，用特征向量归一化并求组合权向量，找到疗法功能和价格权重的关系。
根据不同经济状况的国家的价格权重的值不一样，得到不同的疗法评价结果。
总结出如下的结论：不发达国家经济落后，价格权重较大，疗法1的评价值较高，疗法4的评价值较低，适合疗法1，对于发达国家应当推广疗法4。
文章的最后对模型地优缺点进行了评价，并作了推广。
关键词艾滋病疗法评价微分方程二次曲线回归层次分析

Python豆瓣爬虫以及爬虫爬好的图书分类数据，文件格局为xlsl，含分类、图书名、作者名、出版社、评分等信息

本文次要编写针对一个简单的分类数据集通过TFRecord的文件存储方式存取至磁盘上，然后通过相应读写方法，读取TFRecord文件，并做简单的训练来熟悉整个流程。
https://blog.csdn.net/qq_37972530/article/details/85057631

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。