matplotlib>=3.1
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Aletheia:用于解包ReLU DNN的Python包
失神症 用于解包ReLU神经网络的Python包 安装 需要以下环境: Python 3.6、3.7、3.8(尝试使用Google Colab) matplotlib> = 3.1.3 numpy> = 1.18 熊猫> = 1.1.2 seaborn> = 0.9.0 scikit学习> = 0.23.0 csaps> = 0.11.0 pip install aletheia-dnn 用法 载入资料 import numpy as np import pandas as pd import matplotlib . pyplot as plt from sklearn . datasets import make_circles from sklearn . model_selection import train_test_split random_state =
基于lstm时间序列预测python DEMO
lstm时间序列预测python 依赖 numpy>=1.19.2 tensorflow>=2.4.0 scikit-learn>=0.24.0 matplotlib>=3.3.2 这个demo包含以下主要部分: 数据生成:使用正弦函数生成合成数据,并添加一些随机噪声 数据预处理: 使用MinMaxScaler进行数据标准化 将数据转换为LSTM所需的格式(时间步长=10) 模型构建: 使用单层LSTM(50个单元) 添加一个全连接层作为输出层 模型训练: 使用80%的数据作为训练集 训练50个epoch 预测和可视化: 对训练集和测试集进行预测 将预测结果反标准化 使用matplotlib绘制预测结果
基于ARIMA模型时间序列预测的Python示例
依赖: numpy>=1.19.2 tensorflow>=2.4.0 scikit-learn>=0.24.0 matplotlib>=3.3.2 statsmodels>=0.12.0 demo包含以下主要部分: 数据生成:使用与之前相同的正弦函数生成合成数据 平稳性检验: 使用ADF(Augmented Dickey-Fuller)检验检查时间序列的平稳性 这对于ARIMA模型很重要,因为ARIMA要求数据是平稳的 模型训练: 使用ARIMA(5,1,0)模型 参数说明: p=5:自回归项数 d=1:差分次数 q=0:移动平均项数 预测和评估: 使用训练好的模型进行预测 计算均方误差(MSE)评估模型性能 结果可视化: 绘制原始数据、预测值和实际值的对比图
ubuntu安装caffe及python和opencv-20170817.docx
Python
ubuntu安装caffe-python-opencv-matlab-20170829.docx
ubuntu安装caffe-python-opencv-matlab-20170829.docx
Python CSV相关矩阵 热力图与散点对照
Python CSV相关矩阵 热力图与散点对照 对数值列计算相关矩阵并绘制热力图与散点对照。可传入自己的 CSV。 功能: · 数值列相关矩阵 · 热力图 · 散点对照 · 可传入自己的 CSV · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
python通过apply进行数据处理.zip
python通过apply进行数据处理.zip
Python Fligner方差齐性 箱线图与统计量
Python Fligner方差齐性 箱线图与统计量 对三组样本做 Fligner-Killeen 方差齐性检验,输出箱线图与统计量柱状图。 功能: · 三组分数 · Fligner-Killeen · 箱线图 · 统计量柱状 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
python数据分析数据采集预处理.zip
数据分析可视化实战项目
Python局部窗口注意力 光伏功率GPU预测
Python局部窗口注意力 光伏功率GPU预测 用局部窗口注意力预测光伏功率,对照 LSTM,输出预测曲线与局部注意力图。默认 CUDA。 功能: · 局部窗口注意力 · 多头QKV · 窗口掩码 · 光伏预测 · 对照 LSTM · CUDA 训练 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python LSGAN最小二乘生成对抗网络 采样网格
Python LSGAN最小二乘生成对抗网络 采样网格 用均方误差训练 LSGAN 生成器与判别器,输出采样网格与损失曲线。 功能: · 转置卷积生成器 · 最小二乘损失 · Adam β1=0.5 · CUDA 训练 · 采样网格 · 打包预跑出 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
基于python的批量合并Excel并生成可视化图表源码.zip
本实例演示如何使用 Python 的 pandas 库批量读取文件夹下的 Excel/CSV 表格,自动进行数据清洗与汇总,最后利用 matplotlib 生成直观的柱状统计图。无需人工复制粘贴,一键搞定财务报表。
Python Softmax GAN配分函数 能量对抗训练
Python Softmax GAN配分函数 能量对抗训练 用批内配分函数代替常规 BCE 对抗损失。CUDA 训练,输出采样网格和损失曲线。 功能: · 批内配分函数 · 无 Sigmoid 能量 · Softmax 对抗损失 · CUDA 训练 · 采样网格 · 打包时 GPU 预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
大模型+联邦学习炸场!北邮FedMoE:给每个终端配专属“专家团”,隐私与性能全都要 【附python代码】.rar
1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
Python SVM Iris 分类 决策边界可视化
Python SVM Iris 分类 决策边界可视化 RBF 核 SVM 在 Iris 前两维特征上分类,输出混淆矩阵、决策边界图与 report.csv。 功能: · Iris SVM 分类 · 混淆矩阵 · 二维决策边界图 · report.csv · RBF 核 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python 随机森林 乳腺癌诊断 特征重要性
Python 随机森林 乳腺癌诊断 特征重要性 随机森林在乳腺癌数据上二分类,输出混淆矩阵、特征重要性图与 report.csv。 功能: · 乳腺癌二分类 · 随机森林 · 混淆矩阵 · 特征重要性 Top 条形图 · report.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python地理坐标DBSCAN聚类 噪声点可视化
Python地理坐标DBSCAN聚类 噪声点可视化 对经纬度点做标准化后 DBSCAN,标出簇和噪声。输出散点图和簇规模条形图。可换成自己的坐标表。 功能: · 经纬度点 · 标准化 · DBSCAN · 噪声点标记 · 簇规模条形图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
caffe依赖包.rar
最后编译pycaffe用Cython>=0.19.2 numpy>=1.7.1 scipy>=0.13.2 scikit-image>=0.9.3 matplotlib>=1.3.1 ipython>=3.0.0 h5py>=2.2.0 leveldb>=0.191 networkx>=1.8.1 nose>=1.3.0 pandas>=0.12.0 python-dateutil>=1.4,<2 protobuf>=2.5.0 python-gflags>=2.0 pyyaml>=3.10 Pillow>=2.3.0 six>=1.1.0
pip-xgboost-1.7.3-py3-none-manylinux2014_x86_64.whl.zip
pip-xgboost-1.7.3-py3-none-manylinux2014_x86_64.whl.zip
pip-xgboost-1.7.0.post0-py3-none-macosx_10_15_x86_64.macosx_11_0_x86_64.macosx_12_0_x86_64.whl.zip
pip-xgboost-1.7.0.post0-py3-none-macosx_10_15_x86_64.macosx_11_0_x86_64.macosx_12_0_x86_64.whl.zip
最新推荐



