大数据与知识工程实验室周总结 (西南石油大学)

  • Eviews作时间序列分析的一个实例

    时间序列分析是作时间序列数据预测的一个重要部分,由于此次实验室竞赛也用到了时间序列分析,就在此说一下平稳性分析以及非平稳处理的方法: 1.判断平稳性 1.1平稳性的定义 (1)严平稳 严平稳是一种条件比较苛刻的平稳性定义,它认为只有当序列所有的统计特性都不会随着时间的推移而发生变化时,该序列才能被认
    L-Consen   2019-05-19 19:33   0   11345
  • 【目标检测】Faster R-CNN (keras) 实验实现

    在上一周的工作中,已经构造了500张图片的数据集。这一周的主要工作则是用该数据集训练自己的模型。 在网上下载faster r-cnn的代码,修改数据集的地址,手动添加modle文件夹,我自己重新构造后的文件夹目录如下: 其中,model文件夹目录下的 kitti_frcnn_last.hdf5 为自
    Honsia   2019-05-19 18:32   0   2891
  • 用Python实现GBDT算法并处理Iris数据集

    GBDT,梯度提升树属于一种有监督的集成学习方法,与之前学习的监督算法类似,同样可以用于分类问题的识别和预测问题的解决。该集成算法体现了三个方面的又是,分别是提升Boosting、梯度Gradient、决策树Decision Tree。“提升”是指将多个弱分类器通过线下组合实现强分类器的过程;“梯度
    国梁   2019-05-19 17:40   0   2730
  • 一、线性回归---单层神经网络

    1、简单介绍 线性回归模型为,其中w1和w2为对应特征x1、x2的权重,b为偏差。 用神经网络图表现线性回归模型如下,图中未展示权重和偏差: 输入层为x1、x2,输入层个数为2,在神经网络中输入层个数即为特征数。输出为o,输出层个数为1.,即为线性回归模型中的输出。由于输入层不参与计算,计算层仅有输
    棽棽   2019-05-19 17:16   0   1873
  • 现有跨链技术总结

    在区块链所面临的诸多问题中,区块链之间互通性极大程度的限制了区块链的应用空间。不论对于公有链还是私有链来看,跨链技术就是实现价值互联网的关键,它是把区块链从分散的孤岛中拯救出来的良药,是区块链向外拓展和连接的桥梁。 目前主流的跨链技术包括: 1、公证人机制(Notary schemes) 2、侧链/
    py_learning   2019-05-19 16:18   0   1733
  • 微信小程序的开发学习(2)

    一.微信小程序:树形菜单 由于项目需求,需要做一个类似树形菜单的东西来显示树状结构的数据。后端返回的数据为: [ { "code":"00", "name":"总公司", "children":[ { "code":"0001", "name":"东北分公司", "children":[ { "co
    Zoroaster   2019-05-19 15:55   0   194
  • 数据分析------数据处理(2)及 AutoML 学习

    接上一篇《数据分析 数据处理(1)》https://www.cnblogs.com/lifengB511/p/10848862.html 5、插入记录与修改记录 5.1 插入记录 Pandas里并没有直接指定索引的插入行的方法,需要用户自行设置。 代码如下: 注意:df.loc[:0] 不能写成 l
    终是双曲线   2019-05-19 15:47   0   454
  • Spring事务隔离级别,事务传播行为

    什么是事务: 事务逻辑上的一组操作,组成这组操作的各个逻辑单元,要么一起成功,要么一起失败. Spring事务的隔离性(5种) 在讲隔离界别前,我们先来讲讲下基础知识 事务的特性(ACID) 原子性 (atomicity):强调事务的不可分割. 一致性 (consistency):事务的执行的前后数
    964588129   2019-05-19 15:42   0   535
  • 爬取商品信息、写入数据库操作

    爬取商品信息并写入数据库操作 本次爬取当当网图书程序设计类书籍,爬取信息包括书名、链接和评论,并写入mysql。 1、首先修改items.py title存储书名、link存储商品链接、comment存储评论数 2、其次修改dd.py 首先要用xpath提取商品的信息,其次还需要构造程序设计类书籍每
    coldpills   2019-05-19 00:26   0   607
  • 目标检测------锚框-------anchor box

    锚框:以每一个像素点为中心生成多个大小和宽高比不同的边界框 图像 高h , 宽w 大小为s∈(0,1] 且 宽高比为r>0 锚框的高 h1 = hs/√r 锚框的宽 w1 = ws√r s1,...,sn 与 r1,... ,rm 这样一张图的锚框有 whnm 个 但对于一点来说,我们感兴趣的框有:
    CoyLee   2019-05-18 21:46   0   1256