论坛帖子快来发好贴!

专题区让专业更专注!
外文期刊
外文期刊:Discover、The Guardian Weekly、ImagineFX、Model Airplane News、Sail 、Scale Aircraft Modelling、Science、T3 UK、Tamiya Model、The Hollywood Reporter、The Week Junior UK、The Week Junior USA、Veranda、Trail UK、Warships International Fleet Review 、Wilderness、Women’s Fitness UK
2篇文章更多文章
乐器教程
学一门乐器,可以提升自信心、锻炼耐力和毅力、提高专注力、培养协调性、稳定情绪!世界上只有一种共同的语言,那就是音乐!
3篇文章更多文章
最新发布第2页
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2024)】(45)——基于K均值的客户聚类分析可视化K-Means

可视化结果详细比较了男性和女性的年龄、年收入和支出分数分布。它强调,虽然两种性别有一些相似之处,但这些变量的集中度和分散度存在显著差异。男性在年龄和收入方面的分布往往更广泛,而女性...
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2025)】22——基于机器学习的餐厅评论反欺诈识别fraud

该数据集由Dou等人引入,用于增强基于图神经网络的欺诈检测器,以识别伪装欺诈者。数据集包含Yelp评论,具有标签(是否欺诈)和32个归一化特征作为属性,以及评论之间的关系,如共享用户、共享...
【Python数据分析案例(2025)】03——热门游戏数据分析及其可视化-寻找资源网

【Python数据分析案例(2025)】03——热门游戏数据分析及其可视化

网盘截屏获取代码与数据,请点击购买!案例背景有哪个男生不喜欢玩游戏呢?就算上了班儿也要研究一下游戏以及热门的游戏。正好这里有个热门的游戏数据集,全球热门游戏数据集来做一下一些可视化...
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2024)】(44)——基于EEMD-LSTM的石油价格预测神经网络模型

很久没更新时间序列预测有关的东西了。 之前写了很多CNN-LSTM,GRU-attention,这种神经网络之内的不同模型的缝合,现在写一个模态分解算法和神经网络的缝合。 虽然eemd-lstm已经在学术界被做烂...
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2025)】23——客户无监督聚类分析(5种聚类方法)KMEANS

好久没更新了,出一些常见的案例吧,本次带来的事可视化聚类分析,使用使用 KMeans, DBSCAN, 其他的 clustring 方法去对一个客户的数据进行无监督聚类。客户聚类分析有助于识别客户群体中的不同...
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2024)】(43)——基于机器学习的垃圾邮件分类系统构建(朴素贝叶斯,支持向量机)云图

trec06c是非常经典的邮件分类的数据,还是难能可贵的中文数据集。 这个数据集从一堆txt压缩包里面提取出来整理为excel文件还真不容不易,肯定要做一下文本分类。 虽然现在文本分类基本都是深度...
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2025)】24——基于征信数据开发信贷风控模型特征工程

虽然模型基本都是表格数据那一套了,算法都没什么新鲜点,但是本次数据还是很值得写个案例的,有征信数据,各种,个人,机构,逾期汇总..... 这么多特征来做机器学习模型应该还不错。本次带来,...
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2025)】05——扩展变量后的神经网络风速预测(tsfresh)

【Python数据分析案例(2025)】05——扩展变量后的神经网络风速预测(tsfresh)
寻找资源网-让天下没有难找的资源!
寻找资源网-让天下没有难找的资源!

【Python数据分析案例(2025)】25——KYC客户风险等级评分模型

KYC风险评分中的风险倾向降低。这种关系可能反映出年龄增长与财务稳定性之间的关联,通常而言,较年长的个体可能具有更稳定的收入来源和更保守的财务行为。整体来看,这些相关分析结果强调了在...