自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(0)
  • 资源 (1)
  • 收藏
  • 关注

空空如也

神经网络模型对速度向量(u, v)进行预测(含运行结果)

该程序的主要目的是通过一个简单的神经网络模型对速度向量(u, v)进行预测 import numpy as np import tensorflow as tf from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.metrics import mean_squared_error, mean_absolute_error import matplotlib matplotlib.use('TkAgg') import matplotlib.pyplot as plt # 生成模拟数据 np.random.seed(42) n_samples = 1000 X = np.random.rand(n_samples, 3) # 坐标(x, y) + 温度 y = np.random.rand(n_samples, 2) # 速度向量(u, v)

2023-09-26

Python实现雷达图显示玩家的不同能力值

代码的主要目的是读取CSV文件中的玩家数据,并使用雷达图显示每个玩家的不同能力值。每个雷达图都有自己的颜色和标题,雷达图中显示了同心圆和半径线以帮助更好地理解数据。 # 读取数据 data = pd.read_csv('test.csv', encoding='gbk', index_col='Player') player = data.T.to_dict() theta = np.linspace(0, 2 * np.pi, 6, endpoint=False) fig, axes = plt.subplots(2, 2, subplot_kw={'projection': 'polar'}) axes = axes.ravel()

2023-09-12

Matlab 实现比特币价格分析-1

分析2017年-2023年的交易数据 价格趋势、移动平均线、波动率和交易量分析 代码如下: % 1、数据读取 data = readtable('BTCUSDT.csv'); date = datetime(data.Date, 'InputFormat', 'yyyy/MM/dd'); openPrice = data.Open; closePrice = data.Close; 长期和短期价格趋势。 移动平均线、波动率等。 交易量与价格之间的关系。 大额交易对价格的影响。

2023-08-04

利用随机森林-光学图像分割

# 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.3, random_state=42) # 创建随机森林分类器 clf = RandomForestClassifier(n_estimators=100, random_state=42) # 训练模型 clf.fit(X_train, y_train) # 预测 y_pred = clf.predict(X_test) # 计算准确度

2023-04-10

txt文件转成CSV文件

用python 实现txt 文本类型转换成.csv 文件类型 import csv # 从文本文件读取数据并转换为CSV格式 with open('cost.txt', mode='r') as file: data = [line.strip().split(',') for line in file.readlines()]

2023-04-10

利用机器学习-随机森林预测客户流失

文件夹包含 数据集和源代码 # 1. 加载数据 # 2. 数据清洗与预处理 # 删除不需要的列 # 将分类变量转化为哑变量 # 分离特征和目标变量 # 3. 划分训练集和测试集 # 4. 特征缩放 # 5. 创建随机森林分类器并拟合训练数据 # 6. 预测测试集 # 7. 评估模型

2023-04-10

Matlab实现三维涡流场模型

1、计算涡内距离 R: R = sqrt(X^2 + Y^2) / max(max(x_range), max(y_range)) 这个公式计算了每个网格点到坐标原点(涡旋中心)的距离,并除以最大距离以进行标准化。 涡旋中心处的距离为 0,最远处的距离为 1 2、计算涡旋的方位速度 uf 和径向速度 up: uf = a0 + a1 * R + a2 * (2 * R^2 - 1) + a3 * (4 * R - 3 * R^2) + a4 * (8 * R^2 - 8 * R^3 + R) up = b0 + b1 * R + b2 * (2 * R^2 - 1) + b3 * (4 * R - 3 * R^2) + b4 * (8 * R^2 - 8 * R^3 + R)

2023-03-16

Matlab 实现股票数据分析及价格预测

使用 MATLAB 进行股票数据分析可以使用 MATLAB 自带的金融工具箱(Financial Toolbox),该工具箱包含了很多分析和建模股票数据的函数和工具。 MATLAB 中还可以使用一些统计模型和机器学习方法对股票价格进行预测

2023-02-16

面试题:Vue.js 中的双向数据绑定是如何实现的?

Vue.js 中的双向数据绑定是如何实现的? Vue.js 中的双向数据绑定是通过使用“v-model”指令实现的。这个指令能够在表单元素(如 input、textarea、select)上创建双向数据绑定

2023-02-16

MATLAB 构建机器学习模型

MATLAB 是一个强大的机器学习平台,提供了丰富的函数和工具箱来构建和训练机器学习模型。下面是一个简单的示例,演示如何使用 MATLAB 构建机器学习模型。 在这个示例中,我们将使用鸢尾花数据集构建一个支持向量机(SVM)模型。该数据集包含 150 个样本,每个样本包含花的四个特征(萼片长度、萼片宽度、花瓣长度和花瓣宽度)以及它们所属的三个品种之一。我们将使用 SVM 模型来对花的品种进行分类。

2023-02-15

Matlab 矩阵数组介绍

matlab 矩阵数组 MATLAB 是一种用于数值计算和科学工程的高级语言和交互式环境。在 MATLAB 中, 矩阵和数组是非常重要的数据类型,因为 MATLAB 中的大多数计算都基于矩阵和数组运算。 矩阵是一种二维数组,其中每个元素都有一个行和列索引。矩阵可以存储任意类型的元素, 例如数字、字符、逻辑值或自定义对象。

2023-02-15

CentOS系统日志收集shell 脚本

可以收集系统启动日志、应用程序日志和安全日志等。脚本使用rsyslog和logrotate工具进行日志收集和归档

2023-02-15

前端web 登入页面模板 HTML+CSS.docx

实现了一个简单的 web 登录页面,包括一个包含用户名和密码输入框 的表单和一个登录按钮。在样式方面,使用了简单的 CSS 样式来设置背景色、 边框、阴影、圆角等,以及按钮的样式和鼠标指针形状。在 HTML 中,设置了 表单的相关属性,如 input 元素的 type、id、name、placeholder 等属性。

2023-02-15

Matlab在金融领域的应用-保险

MATLAB是一个高级编程语言和交互式环境,它在金融领域有广泛的应用。MATLAB可以帮助金融专业人员快速处理复杂的数据,进行分析,并做出决策。 MATLAB来研究保险公司的客户数据 MATLAB模拟预期的灾难事件 模拟保险公司的投资组合的风险 应用于保险产品定价 MATLAB还在金融工程领域有着广泛的应用。金融工程是研究如何使用数学、统计学和计算机科学技术,解决金融领域的实际问题的领域

2023-02-12

Linux 下使用 ipmitool 的工具命令详解

Ipmitool 是一个开源的命令行工具,用于管理基于 IPMI (Intelligent Platform Management Interface) 的服务器系统。它可以在 Linux、Windows 操作系统中使 用。

2023-02-12

Linux获取服务器硬件配置(CPU、内存、硬盘、主板)信息shell 脚本

该脚本使用了以下命令: cat /proc/cpuinfo: 获取 CPU 信息。 grep: 在文件中搜索字符串。 head -n 1: 获取文件的第一行。 cut -d: -f2: 从文件中的每一行中分离出第二个字段。 free: 显示系统内存使用情况。 lsblk: 列出块设备的信息。 awk: 一种文本处理语言,常用于分析数据。 lspci: 列出系统中所有 PCI 设备的信息。 dmidecode: 一个工具,用于从 DMI 表中读取硬件信息。 使用该脚本,你可以获得 CPU、内存、硬盘、PCIe 设备、主板以及 厂商信息。

2023-02-12

inux系统 测试CPU 性能shell 脚本

inux系统 测试CPU 性能shell 脚本 使用了 cat 命令、grep 命令、wc 命令和 sysbench 命令来测试 CPU 的各项指标

2023-02-11

Linux 系统 测试网络带宽及网卡吞吐量 shell 脚本

Linux 系统 测试网络带宽及网卡吞吐量 shell 脚本 脚本使用了 dd 命令、nc 命令和 iperf 命令来测试 网卡的带宽和吞吐量。您可以根据需要调整脚本的参数,以 获得更准确的测试结果

2023-02-11

Linux 系统内存性能测试shell脚本

Linux 系统内存性能测试shell脚本 脚本使用了 dd 命令和 /proc/sys/vm/drop_caches 文件来测试内存的读写速度和带宽

2023-02-11

Linux 系统测试硬盘性能shell 脚本

Linux 系统测试硬盘性能shell 脚本 测试硬盘的写入性能,读取性能,块访问 性能和 Seek 性能

2023-02-11

Python 代码实现添加周期性、非周期性和高斯分布的灰度条纹噪声

Python 中添加周期性、非周期性和高斯分布的灰度条纹噪声的例子

2023-01-31

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除