- 博客(8)
- 收藏
- 关注
RSS订阅原创 探索全球二氧化碳排放与气候变化：数据可视化与预测
通过数据可视化和机器学习模型的结合，我们不仅可以分析过去全球二氧化碳排放的历史趋势，还能对未来的排放进行预测。为了更好地理解CO2排放对气候的影响，我们可以使用数据可视化工具来探索历史趋势，并通过机器学习方法进行预测，为未来气候政策的制定提供参考。：为了展示CO2排放与全球变暖的相关性，我们还加入了全球海洋温度变化的散点图，可以看到自20世纪以来温度的显著上升与CO2排放的增长趋势高度相关。：我们还展示了全球主要国家CO2排放的比例，通过可视化不同国家的相对贡献，可以直观展示哪些国家是全球排放的主要来源。
2024-10-19 18:15:53
1119
原创 代码开源！一天完成毕设之手势关键点控制系统
本次手势关键点控制系统基于计算机视觉技术，能够通过摄像头实时捕捉用户的手部动作，识别关键点，从而实现对计算机的基本控制功能。手势控制电脑音量：用户只需张开手掌或做出握拳动作，即可对音量进行调节。手掌张开代表音量增大，握拳则音量减小。这个功能非常适合开车时避免分心操作，也适用于日常生活中提升效率。图像缩放与旋转：系统能够识别更为复杂的手势，例如双手旋转或拉伸动作，以此来对屏幕上的图像进行缩放和旋转。无论是在会议上做演示还是在家中查看照片，都能带来直观而又自然的操作体验。
2024-10-07 13:31:37
464
原创 深度学习分类、分割、回归模型，如何创建界面运行？代码开源
但是，对于许多人来说，模型的运行却可能成为一道难以逾越的门槛。幸运的是，通过将模型嵌入用户友好的界面，这一挑战变得轻而易举！通过将分类、分割、回归模型嵌入Tkinter界面，您可以为用户提供一个直观、便捷的工具，让他们能够轻松地利用模型的强大功能。无需编写复杂的代码，用户可以通过简单的界面操作来使用模型，甚至是那些对编程一窍不通的人也能轻松上手。根据您的需求，您可以选择不同的模型，如决策树、支持向量机、神经网络等。使用Tkinter的事件处理机制，将界面上的操作与模型的功能进行连接。
2024-06-20 17:23:47
369
原创 使用影像组学协助医学图像和生物图像的2d、3d分割
GetImageFromArray(em_thresh_vol.clip(0,1).astype(np.uint8)[:10, ::4, ::4])：从裁剪和下采样后的阈值处理图像数据创建一个用于特征提取的掩码对象。这一步的目的是通过分析影像组学特征和已知的标签（例如细胞类型或病理状态）之间的相关性，来发现有助于图像分割和分类的特征。GetImageFromArray(em_image_vol[:10, ::4, ::4])：从裁剪和下采样后的显微镜图像数据创建一个用于特征提取的影像对象。
2024-06-18 15:17:22
385
原创 机器学习实战,特征排名:特征系数分析以及随机森林的特征重要性评估
在机器学习项目中，特征选择是一个不可或缺的步骤，它不仅能够提高模型的预测性能，还能减少模型训练所需的计算资源和时间。本文将深入探讨特征排名的重要性和实现方法，涵盖数据清洁、可视化分析、递归特征消除法（RFE）、基于线性模型的特征系数分析以及随机森林的特征重要性评估。
2024-04-03 16:32:20
2716
1
原创 聚类实战：从PCA降维到K-Means和DBSCAN的完整指南
在数据科学的众多领域中，聚类算法无疑是探索数据集内在结构的强大工具。本文将带您深入了解如何应用主成分分析（PCA）进行降维，以及如何使用K-Means和DBSCAN这两种流行的聚类算法，来揭示数据的隐藏模式。
2024-04-03 13:08:17
5553
4
原创 仅使用PyTorch就可以完成联邦学习
联邦学习是一种分布式机器学习方法，它允许多个设备或服务器在保持数据隐私的前提下共同训练一个模型。在联邦学习中，模型的更新（而不是原始数据）在设备间共享。每个参与者使用自己的数据训练模型，然后仅将模型的更新（参数）发送到中心服务器。中心服务器聚合这些更新，更新全局模型，然后将更新后的模型发送回各参与者。这个过程循环进行，直到模型收敛。在当前的数据驱动时代，联邦学习作为一种新兴的分布式机器学习方法，凭借其保护数据隐私和安全的特性受到了广泛关注。
2024-04-02 22:35:06
993
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人