哆啦A梦画像（基于turtle）

实验四 基于tensorflow实现CNN文本分类.pptx

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs

python udp聊天示例源码

【实例简介】

样本数据不均衡的数据的解决方案： 过采样：生成样本少的样本，和样本多的样本一样多（同样多） 下采样：两种样本一样小，从多的样本中删除一部分（同样少） 特征缩放：对Amount列进行特征缩放，使其分布范围和其他特征属性的分布范围保持一致 机器学习误区：会认为数值大的数据重要程度较大，但是我们拿到数据，其实每个属性的重要程度是一样的，所以需要进行特征缩放 所以可以进行：归一化（缩放到0~1）或者标准化(缩放到-1~1)

搜遍全网也没看见个带书签的Python的标准库参考手册，只好用了一晚上的时间自己做了一个，本手册是基于2118页的中文版制作的书签，方便给需要的人。

Python版本的学生管理系统 管理端账号：000密码：000学生端账号：该生学号密码：1111111、密码均为初始密码，可以随后在系统中自行修改。2、所有操作完成之后必须点退出系统，否则无法保存文件。3、未分配学号的学生无法登陆系统，需先由管理端分配学号之后再登陆系统

【实例简介】

【实例简介】模拟决赛现场最终成绩计算.py 编写函数，模拟决赛现场最终成绩计算过程。首先输入大于2的整数作为评委人数，然后依次输入每个评委的打分，要求每个评委打的分数都介于0~100。输入完所有评委打分之后，去掉一个最高分，去掉一个最低分，剩余分数的平均分即为该选手的最终评分。

关于Python的小例子，适合Python初学者