Kaggle-M5-预测精度我对M5预测准确性的Kaggle竞赛的解决方案比赛首页探索性数据分析包括EDA笔记本，其中突出显示了数据发现特征工程与建模最重要的功能是滞后功能，由滞后，滚动窗口和对销售和价格的汇总功能的组合创建。
使用LightGBM执行建模。
超参数调整是通过3倍时间序列交叉验证完成的。
推理最终预测（接下来28天的单位销售额）是通过递归推断进行的。
结果我的最终提交在5500多个团队中排名前3％，并为我赢得了银牌！
使用LightGBM执行建模。
超参数调整是通过3倍时间序列交叉验证完成的。
推理最终预测（接下来28天的单位销售额）是通过递归推断进行的。
结果我的最终提交在5500多个团队中排名前3％，并为我赢得了银牌！
2023/8/27 11:46:21
2.91MB
1
这是一款免杀壳，2018年2月18日亲测，如不免杀请配合别的手法进行更好的免杀效果。
免杀壳只是暂时的，做好去学习一下myccl定位特征码
免杀壳只是暂时的，做好去学习一下myccl定位特征码
2023/8/26 1:49:40
1.79MB
1
本书是为非数学专业理工科大学生和研究生学习数值分析课程所编写的教材。
与一般的数值分析教材不同，本书编排由浅入深，采用全新的数值分析论述方式，重点突出数值分析课程的核心和实用性，弱化其数学理论性，特别强调数值分析“立足近似、追求可用”的特点和其内涵的科学研究方法，更加适合学生自学数值分析知识和教师进行数值分析或计算方法课程的研究型教学。
本书的主要内容包括：非线性方程求根方法，线性方程组的解法，求矩阵特征值和特征向量的方法，插值与拟合方法，数值积分与数值微分和常微分方程初值数值解法。
与一般的数值分析教材不同，本书编排由浅入深，采用全新的数值分析论述方式，重点突出数值分析课程的核心和实用性，弱化其数学理论性，特别强调数值分析“立足近似、追求可用”的特点和其内涵的科学研究方法，更加适合学生自学数值分析知识和教师进行数值分析或计算方法课程的研究型教学。
本书的主要内容包括：非线性方程求根方法，线性方程组的解法，求矩阵特征值和特征向量的方法，插值与拟合方法，数值积分与数值微分和常微分方程初值数值解法。
2023/8/25 8:55:33
100.72MB
1
介绍一款便携式智能化手语实时翻译系统。
利用Flex2.2弯曲传感器、MPU-6050六轴传感器采集手势特征信息，传送至STM32微处理器，经算法处理，判断当前的手语信息，并通过语音合成模块和OLED显示屏对手语信息进行实时的语音翻译和文本显示。
手语信息经蓝牙传输至用户智能手机，APP可将其编辑为短信息。
采用人性化、个性化的手套外观设计，具有处理速度快、识别率高、适应能力强、操作简单等特点，应用前景广阔。
利用Flex2.2弯曲传感器、MPU-6050六轴传感器采集手势特征信息，传送至STM32微处理器，经算法处理，判断当前的手语信息，并通过语音合成模块和OLED显示屏对手语信息进行实时的语音翻译和文本显示。
手语信息经蓝牙传输至用户智能手机，APP可将其编辑为短信息。
采用人性化、个性化的手套外观设计，具有处理速度快、识别率高、适应能力强、操作简单等特点，应用前景广阔。
2023/8/25 8:03:55
1.16MB
1
比较系统的介绍了AVO技术一、AVO技术的理论基础（Zoeppritz方程）二、泊松比三、Zoeppritz方程的近似表达式（重点）四、不同岩性组合的AVO特征（重点）五、AVO研究中影响反射振幅的因素六、AVO资料处理及属性剖面（重点）七、利用AVO技术进行岩性预测的方法步骤八、AVO反演中存在的问题
2023/8/23 6:26:43
1.53MB
1
数据科学正在快速发展成所有行业开发人员和管理人员的关键技能，它看起来也十分有趣。
但是，它非常复杂，虽有许多工程和分析工具助力，却也难清楚掌握现在做得对不对，哪里是不是有陷阱。
在本文中，我们解释了如何发挥数据科学的作用，理解哪里需要它，哪里不需要它，以及如何令它为你产生价值，如何从先行者那里获得有用的经验。
这是“GettingAHandleOnDataScience”系统文章中的一部分，你可以通过此RSS予以订阅。
大多数类型的机器学习项目归根结底通常是使用监督式学习方式进行分类或回归。
特征工程是大多数机器学习过程中的一个关键组成部分。
像K均值（K-means）之类无人监督式的学习算法能用于你事前
但是，它非常复杂，虽有许多工程和分析工具助力，却也难清楚掌握现在做得对不对，哪里是不是有陷阱。
在本文中，我们解释了如何发挥数据科学的作用，理解哪里需要它，哪里不需要它，以及如何令它为你产生价值，如何从先行者那里获得有用的经验。
这是“GettingAHandleOnDataScience”系统文章中的一部分，你可以通过此RSS予以订阅。
大多数类型的机器学习项目归根结底通常是使用监督式学习方式进行分类或回归。
特征工程是大多数机器学习过程中的一个关键组成部分。
像K均值（K-means）之类无人监督式的学习算法能用于你事前
2023/8/22 14:53:45
372KB
1
图像识别的技术现状和发展趋势该文描述了图像识别技术的国内外研究现状，介绍了图像识别过程的相关基本工作，并探讨了图像识别的关键步骤，包括图象分割、图像特征提取和分类和图像的匹配，分析和比较了各种算法的优缺点，并讨论了其中的关键技术及计算机图像识别新技术。
关键词：图像识别；
图象分割；
特征提取；
匹配
关键词：图像识别；
图象分割；
特征提取；
匹配
2023/8/21 19:23:11
118KB
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