Abo_luo的博客

python可视化三维矩阵点程序结果总结 Github链接：https://github.com/JonnesLin/Evison 程序 使用Evision工具可视化pytorch模型的网络特征图 from Evison import Display, show_network from torchvision import models from PIL import Image # 构建一个模型 network = models.mobilenet_v2(pretrained=True) #

python可视化三维矩阵点程序总结 仅仅提供学习使用 程序 根据三维坐标可视化，每个坐标对应的数值 import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D from matplotlib.animation import FuncAnimation x = np.arange(0,10,0.5) y = np.arange(0,10,0.5) z = np.arange(0

51job爬虫程序总结 仅仅提供学习使用 程序 仅仅提供学习使用 import requests from lxml import etree from bs4 import BeautifulSoup import json from selenium.webdriver.chrome.options import Options #实现五可视化 from selenium.webdriver import ChromeOptions #实现规避被检测到的风险 from time im

华为数学建模D题第一题：选取感兴趣的20个变量第二题建立回归模型第三题 建立五个因变量（ADMET）的分类模型第四题 每个变量对活性的定量分析总结引用 大致分享一下自己在建模过程中的思路，仅仅是做个记录 第一题：选取感兴趣的20个变量 对于729个属性变量建立回归和分类模型而言显得相对有点多，因此需要维度压缩，通常在使用维度压缩时有很多方法如：PCA、DAN（深度自编码）等，但是这样得到的维度压缩不会对应到相应的原有属性，类似于特征映射而非筛选。因此第一题采取的思路是选用XGBoost和Random

半监督随机森林分类感受野绘制总结 随便玩一下啊 感受野绘制 写论文的需要就随便写了个小玩意，后面再继续更新 import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestRegressor from sklearn.ensemble import RandomForestClassifier from sklearn.model_selec