- 本篇我们将讨论一种广泛使用的分类技术，称为k邻近算法，或者说K最近邻(KNN，k-Nearest Neighbor)。所谓K最近邻，是k个最近的邻居的意思，即每个样本都可以用它最接近的k个邻居来代表。 本篇我们将讨论一种广泛使用的分类技术，称为k邻近算法，或者说K最近邻(KNN，k-Nearest Neighbor)。所谓K最近邻，是k个最近的邻居的意思，即每个样本都可以用它最接近的k个邻居来代表。
- Python Pandas 高级教程：高级分组与聚合Pandas 中的分组与聚合操作是数据分析中常用的技术，能够对数据进行更复杂的处理和分析。在本篇博客中，我们将深入介绍 Pandas 中的高级分组与聚合功能，通过实例演示如何灵活应用这些技术。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：pip install pandas 2. 导入 Pand... Python Pandas 高级教程：高级分组与聚合Pandas 中的分组与聚合操作是数据分析中常用的技术，能够对数据进行更复杂的处理和分析。在本篇博客中，我们将深入介绍 Pandas 中的高级分组与聚合功能，通过实例演示如何灵活应用这些技术。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：pip install pandas 2. 导入 Pand...
- 全球地面沉降测绘¶该数据集的重点是通过使用先进的地理空间和建模技术创建全球地面沉降数据集。该研究调查了全球范围内地下水压力、含水层枯竭和地面沉降之间的关系。利用遥感数据和基于模型的数据集，开发了一种机器学习模型，可以以约 2 公里的极高空间分辨率预测地面沉降。这项研究的成果包括对全球地面沉降幅度的综合估计、对固结导致的含水层储存损失的一级评估以及驱动沉降的关键因素的量化。值得注意的是，观察... 全球地面沉降测绘¶该数据集的重点是通过使用先进的地理空间和建模技术创建全球地面沉降数据集。该研究调查了全球范围内地下水压力、含水层枯竭和地面沉降之间的关系。利用遥感数据和基于模型的数据集，开发了一种机器学习模型，可以以约 2 公里的极高空间分辨率预测地面沉降。这项研究的成果包括对全球地面沉降幅度的综合估计、对固结导致的含水层储存损失的一级评估以及驱动沉降的关键因素的量化。值得注意的是，观察...
- 具有全球保护价值的地区¶NatureMap 项目提供了一系列全局优先级图层。全球具有重要保护意义的地区这些地图是通过联合优化生物多样性和 NCP（例如碳和/或水）而创建的。他们以连续的规模描述了对于扩大保护工作具有最大上位潜在价值的土地面积。前言 – 人工智能教程为了实现生物多样性和气候公约的宏伟目标，国际社会需要明确如何在空间上实施这些目标以及如何同时实现多个目标。为了支持目标设定和国际... 具有全球保护价值的地区¶NatureMap 项目提供了一系列全局优先级图层。全球具有重要保护意义的地区这些地图是通过联合优化生物多样性和 NCP（例如碳和/或水）而创建的。他们以连续的规模描述了对于扩大保护工作具有最大上位潜在价值的土地面积。前言 – 人工智能教程为了实现生物多样性和气候公约的宏伟目标，国际社会需要明确如何在空间上实施这些目标以及如何同时实现多个目标。为了支持目标设定和国际...
- 1951-2021 年印度次大陆河流域的径流重建¶印度次大陆 (ISC) 河流域水文模型模拟月度径流数据集（1951 年至 2021 年）满足了 ISC 区域长期径流观测的迫切需求。鉴于水流数据在水资源管理、水文气候分析和生态评估中的重要作用，该数据集为广泛的应用提供了宝贵的资源。该数据集是通过多方面的方法构建的，该方法结合了气象数据、复杂的水文建模和称为 mizuRoute 的高分辨率基... 1951-2021 年印度次大陆河流域的径流重建¶印度次大陆 (ISC) 河流域水文模型模拟月度径流数据集（1951 年至 2021 年）满足了 ISC 区域长期径流观测的迫切需求。鉴于水流数据在水资源管理、水文气候分析和生态评估中的重要作用，该数据集为广泛的应用提供了宝贵的资源。该数据集是通过多方面的方法构建的，该方法结合了气象数据、复杂的水文建模和称为 mizuRoute 的高分辨率基...
- 全球海洋数据分析项目 (GLODAP) v2.2023¶ 全球海洋数据分析项目 (GLODAP) v2.2023 代表了海洋生物地球化学瓶数据合成方面的重大进步。此更新主要关注海水无机碳化学，以 GLODAPv2.2022 为基础，包含多项关键增强功能。值得注意的是，增加了 43 条新航线，以将数据集的覆盖范围扩大到 2020 年。数据质量控制过程涉及删除温度缺失的条目。此外，每次巡航都... 全球海洋数据分析项目 (GLODAP) v2.2023¶ 全球海洋数据分析项目 (GLODAP) v2.2023 代表了海洋生物地球化学瓶数据合成方面的重大进步。此更新主要关注海水无机碳化学，以 GLODAPv2.2022 为基础，包含多项关键增强功能。值得注意的是，增加了 43 条新航线，以将数据集的覆盖范围扩大到 2020 年。数据质量控制过程涉及删除温度缺失的条目。此外，每次巡航都...
- Python Pandas 中级教程：数据分组与聚合Pandas 是数据分析领域中广泛使用的库，它提供了丰富的功能来对数据进行处理和分析。在实际数据分析中，数据分组与聚合是常见而又重要的操作，用于对数据集中的子集进行统计、汇总等操作。本篇博客将深入介绍 Pandas 中的数据分组与聚合技术，帮助你更好地理解和运用这些功能。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安... Python Pandas 中级教程：数据分组与聚合Pandas 是数据分析领域中广泛使用的库，它提供了丰富的功能来对数据进行处理和分析。在实际数据分析中，数据分组与聚合是常见而又重要的操作，用于对数据集中的子集进行统计、汇总等操作。本篇博客将深入介绍 Pandas 中的数据分组与聚合技术，帮助你更好地理解和运用这些功能。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安...
- Python Pandas 中级教程：数据合并与连接Pandas 是一款强大的数据处理库，提供了丰富的功能来处理和分析数据。在实际数据分析中，我们常常需要将不同数据源的信息整合在一起。本篇博客将深入介绍 Pandas 中的数据合并与连接技术，帮助你更好地处理多个数据集的情况。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：pip install p... Python Pandas 中级教程：数据合并与连接Pandas 是一款强大的数据处理库，提供了丰富的功能来处理和分析数据。在实际数据分析中，我们常常需要将不同数据源的信息整合在一起。本篇博客将深入介绍 Pandas 中的数据合并与连接技术，帮助你更好地处理多个数据集的情况。 1. 安装 Pandas确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：pip install p...
- 智慧工地云平台是专为建筑施工领域所打造的一体化信息管理平台。通过大数据、云计算、人工智能、物联网和移动互联网等高科技技术手段，将施工区域各系统数据汇总，建立可视化数字工地。同时，围绕人、机、料、法、环等各方面关键因素，提供数据分析，辅助决策，远程指挥等功能，彻底改变了传统建筑施工各方现场管理的交互方式、工作方式和管理模式，提升工作效率，促进产业信息化发展。 建设背景施工现场有数量多、分布广，... 智慧工地云平台是专为建筑施工领域所打造的一体化信息管理平台。通过大数据、云计算、人工智能、物联网和移动互联网等高科技技术手段，将施工区域各系统数据汇总，建立可视化数字工地。同时，围绕人、机、料、法、环等各方面关键因素，提供数据分析，辅助决策，远程指挥等功能，彻底改变了传统建筑施工各方现场管理的交互方式、工作方式和管理模式，提升工作效率，促进产业信息化发展。 建设背景施工现场有数量多、分布广，...
- 用ChatGPT辅助数据采集， XPath、正则表达式都能写！轻松搞定数据采集分析！ 用ChatGPT辅助数据采集， XPath、正则表达式都能写！轻松搞定数据采集分析！
- 前言：解决Excel打开UTF-8编码CSV文件乱码的BUG问题在日常数据处理工作中，我们经常会使用CSV文件进行数据的导入和导出。然而，当CSV文件采用UTF-8编码时，有时候在使用Excel打开这些文件时会遇到乱码的问题，这可能会影响数据的正确性和可读性。在本文中，我们将分享如何解决Excel打开UTF-8编码CSV文件乱码的BUG问题，并提供一些实用的方法。问题原因：为什么会出现乱码问... 前言：解决Excel打开UTF-8编码CSV文件乱码的BUG问题在日常数据处理工作中，我们经常会使用CSV文件进行数据的导入和导出。然而，当CSV文件采用UTF-8编码时，有时候在使用Excel打开这些文件时会遇到乱码的问题，这可能会影响数据的正确性和可读性。在本文中，我们将分享如何解决Excel打开UTF-8编码CSV文件乱码的BUG问题，并提供一些实用的方法。问题原因：为什么会出现乱码问...
- 了解数据库在数据科学中的相关性。还要了解关系数据库、NoSQL 数据库类别等的基础知识。 了解数据库在数据科学中的相关性。还要了解关系数据库、NoSQL 数据库类别等的基础知识。
- 生成AI，ChatGPT，Google Bard - 这些可能是你在过去几个月里听到的很多术语。随着这种轩然，你们中的许多人都在考虑进入技术领域，例如数据科学。 生成AI，ChatGPT，Google Bard - 这些可能是你在过去几个月里听到的很多术语。随着这种轩然，你们中的许多人都在考虑进入技术领域，例如数据科学。
- FP-growth算法是一种常用的关联规则学习算法，它能够高效地挖掘数据集中的频繁项集和关联规则。 FP-growth算法的核心思想是构建一种称为FP树（Frequent Pattern Tree）的数据结构来表示频繁项集，通过对FP树的构建和挖掘来找出频繁项集。 FP-growth算法的具体步骤如下：构建FP树：首先遍历数据集，统计每个项的频次，并按照频次对项进行排序。然后根据排序后的项集... FP-growth算法是一种常用的关联规则学习算法，它能够高效地挖掘数据集中的频繁项集和关联规则。 FP-growth算法的核心思想是构建一种称为FP树（Frequent Pattern Tree）的数据结构来表示频繁项集，通过对FP树的构建和挖掘来找出频繁项集。 FP-growth算法的具体步骤如下：构建FP树：首先遍历数据集，统计每个项的频次，并按照频次对项进行排序。然后根据排序后的项集...
- 主成分分析（Principal Component Analysis，简称PCA）是一种常用的无监督学习算法，用于对数据集进行降维处理。它通过线性变换将原始数据投影到一个新的特征空间中，从而得到一组“主成分”，这些主成分是原始数据中方差最大的方向。主成分分析的目标是找到能够保留最大可解释方差的低维投影。 主成分分析的步骤如下：数据标准化：对原始数据进行标准化处理，使每个特征具有相同的尺度。计... 主成分分析（Principal Component Analysis，简称PCA）是一种常用的无监督学习算法，用于对数据集进行降维处理。它通过线性变换将原始数据投影到一个新的特征空间中，从而得到一组“主成分”，这些主成分是原始数据中方差最大的方向。主成分分析的目标是找到能够保留最大可解释方差的低维投影。 主成分分析的步骤如下：数据标准化：对原始数据进行标准化处理，使每个特征具有相同的尺度。计...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签