搜索资源列表
24dian.tar
- 用python编写的24点程序，改进后同时可以计算寻找诸如(((1+2)*3-4)+5*6*7+8)*9 = 2007这样的解法-python with 24 points prepared by the procedures, improved for the same time can be calculated as (((1) * 3-4) 5 6 * 7 * 8) = 2007 * 9 this The Solution
lp_solve_5.5.2.0_Python2.6_exe_win32
- python线性优化算法库，lp_solve_5.5.2.0_Python2.6_exe_win32-python linear optimization algorithm library
deepnet-master
- Nitish Srivastava University of Toronto.利用GPU训练深度学习算法-Implementation of some deep learning algorithms. Nitish Srivastava University of Toronto. GPU-based python implementation of 1. Feed-forward Neural Nets 2. Restricted Boltzmann Machines
irr
- 1. 计算1^2+2^2+......+10^2 2. 一个期限为两年的项目，初始投资为2000美元，预期在第1年年末产生800美元收益，第2年年末产生1600收益投资，计算该项目的内部收益率IRR 3. 某人贷款20000元购买汽车，年利率为6%，他需要在5年内进行每月的分期付款，问他每个月需要支付多少钱(. calculate 1^2+2^2+... +10^2 2. a two-year project with an initial investment of $20
Arch Model
- 金融时间序列分析 1. 采用Pandas从Yahoo网上下载上市公司的5到10年的日收盘数据，上证指数的日收盘数据。 2. 计算上市公司和上证指数的收益率， 3. 针对上市公司收益率进行ARMA建模，确定P和q，并对残差进行分析，最后向前预测多期，显示预测图。 4. 针对上市公司收益率进行ARCH建模，确定阶数，并对残差进行分析，最后进行预测。 5. 针对上市公司收益率进行GARCH建模，确定阶数，并对残差进行分析，最后进行预测。(use Arch Model to ananlyse
pyhton file
- python3.5测试，测试Python3.5和2.7之间的一些区别(python test Python 3.5 testing, testing some differences between Python 3.5 and 2.7)
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
Keras1.1.2
- This is a Keras library 1.1.2 for Python 3.5 (includes source code + docker).
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰