weixin_40169609的博客

Python实现K-Means、DBSCAN聚类降噪并对比

1.导包import csvimport numpy as npfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfrom sklearn.metrics import explained_variance_scorefrom sklearn.svm import SVR fro

1.引入包import csvimport numpy as npimport timefrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics import accuracy_scorefrom skle

只讨论性能，不考虑关联性，降噪数据未填补。1.引入数据集 土壤温度 空气湿度 空气温度 光照强度 土壤水分 0 37.77 27.00 39.90 68150.99 9.88 1 37.80 28.83 40.03 63989.96 9.85 2 37.82 26.82 40.20 63039.88 9.78 3 37.96 24.33 39.90

1.引入数据import csvimport numpy as npfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfrom datetime import datetime from sklearn.metrics import explained_variance_score

本模型的思路为使用t-SNE降维，使用DBSCAN降噪，GASVR进行预测。在一定程度上具有参考价值，但因除噪时并未填补会导致数据中断，故在时间序列预测上并不具有实际实用价值，需要进行数据填补。且本模型只强调模型的精度，并不考虑数据之间的关联性，故原数据集将被打散。1.引入数据from sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics import accuracy_scorefrom sklearn.me

最近看NBA被篮网队所吸引，有进攻有防守而且观赏性很强，所以特此使用深度学习算法来分析一下篮网队赢球的关键因素有哪些，同时也简单预测一下下一场比赛的结果，仅供参考。数据来源：布鲁克林篮网队20-21赛季数据http://slamdunk.sports.sina.com.cn/team/stats?tid=583ec9d6-fb46-11e1-82cb-f4ce4684ea4c1.数据预处理下载好的数据：共包含：日期 比赛 类型 主客场 赛果 时间 得分 投篮 投篮% 三分 三分% 罚球 罚球%

本实验使用环境为Anaconda3 Jupyter，调用Sklearn包、Keras包，请提前准备好。只提供数据格式而不提供数据，本人是代码缝合怪小白，望大牛指点。1.导包主要包含pandas、numpy、绘图包、日期格式、数学计算、pyhht 、标准化、验证函数等包。有一些包可能没啥用…忘了什么时候导入的了。import csvimport numpy as npimport timefrom sklearn.preprocessing import StandardScalerfrom s

1.导包import csvimport numpy as npfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfrom datetime import datetime from sklearn.metrics import explained_variance_scorefro

本实验使用环境为Anaconda3 Jupyter，调用Sklearn包，调用keras包,请提前准备好。1.引入一些常见包主要有keras包、numpy包、metrics包、pandas包等。import csvimport numpy as npimport timefrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitfrom sklearn

本实验使用环境为Anaconda3 Jupyter，调用Sklearn包，请提前准备好。1.引入一些常见包import csvimport numpy as npfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitimport matplotlib.pyplot as pltfrom datetime import datetime from s

本实验使用环境为Anaconda3 Jupyter，调用Sklearn包，请提前准备好。1.引入一些常见包主要包含pandas、numpy、绘图包、SVR、标准化、验证函数等包。from sklearn.metrics import accuracy_scorefrom sklearn.metrics import confusion_matrixfrom sklearn.metrics import classification_reportfrom sklearn.metrics impor