社区
《零基础学机器学习》
代码
帖子详情
第03课 线性回归——预测网店的销售额
零基础学机器学习
2022-01-04 13:49:29
3.2 数据的收集和预处理
代码:
3.2 数据的收集和预处理|code_1.py
代码:
3.2 数据的收集和预处理|code_2.py
代码:
3.2 数据的收集和预处理|code_3.py
代码:
3.2 数据的收集和预处理|code_4.py
代码:
3.2 数据的收集和预处理|code_5.py
代码:
3.2 数据的收集和预处理|code_6.py
代码:
3.2 数据的收集和预处理|code_7.py
代码:
3.2 数据的收集和预处理|code_8.py
代码:
3.2 数据的收集和预处理|code_9.py
代码:
3.2 数据的收集和预处理|code_10.py
代码:
3.2 数据的收集和预处理|code_11.py
代码:
3.2 数据的收集和预处理|code_12.py
代码:
3.2 数据的收集和预处理|code_13.py
3.3 选择机器学习模型
代码:
3.3 选择机器学习模型|code_1.py
代码:
3.3 选择机器学习模型|code_2.py
3.4 通过梯度下降找到最佳参数
代码:
3.4 通过梯度下降找到最佳参数|code_1.py
代码:
3.4 通过梯度下降找到最佳参数|code_2.py
代码:
3.4 通过梯度下降找到最佳参数|code_3.py
3.5 实现一元线性回归模型并调试超参数
代码:
3.5 实现一元线性回归模型并调试超参数|code_1.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_2.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_3.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_4.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_5.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_6.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_7.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_8.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_9.py
代码:
3.5 实现一元线性回归模型并调试超参数|code_10.py
3.6 实现多元线性回归模型
代码:
3.6 实现多元线性回归模型|code_1.py
代码:
3.6 实现多元线性回归模型|code_2.py
代码:
3.6 实现多元线性回归模型|code_3.py
代码:
3.6 实现多元线性回归模型|code_4.py
代码:
3.6 实现多元线性回归模型|code_5.py
代码:
3.6 实现多元线性回归模型|code_6.py
代码:
3.6 实现多元线性回归模型|code_7.py
代码:
3.6 实现多元线性回归模型|code_8.py
代码:
3.6 实现多元线性回归模型|code_9.py
代码:
3.6 实现多元线性回归模型|code_10.py
代码:
3.6 实现多元线性回归模型|code_11.py
代码:
3.6 实现多元线性回归模型|code_12.py
...全文
799
回复
打赏
收藏
第03课 线性回归——预测网店的销售额
3.2 数据的收集和预处理 代码:3.2 数据的收集和预处理|code_1.py 代码:3.2 数据的收集和预处理|code_2.py 代码:3.2 数据的收集和预处理|code_3.py 代码:3.2 数据的收集和预处理|code_4.py 代码:3.2 数据的收集和预处理|code_5.py 代码:3.2 数据的收集和预处理|code_6.py 代码:3.2 数据的收集和预处理|code_7.py 代码:3.2 数据的收集和预处理|code_8.py 代码:3.2 数据的收集和预处理|co
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
数据分析基础知识复习
数分析基础知识 从广义的角度,数据分析分为三个方面体包括** ‘数据分析’,‘数据挖掘’,‘模型算法’**。 数据分析:偏重于数理统计,用统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论。 数据挖掘:指从大量的数据中通过算法搜索隐藏于其中信息的过程,一般这个过程是计算机来实现。最经典且流传已久的数据挖掘成功案例:"尿布与啤酒"的故事。 数据分析使用环境 数据分析在具体业务中的使用环境: ①业务逻辑清晰,指标明确。 例如:我要分析某
网店
营销情况,指标:
销售额
= 人均金额 X 人数,消费人数 =
IMU滤波器演示项目(C++代码和相关文件)
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 一个旨在展示多种IMU滤波器(包括互补滤波器、卡尔曼滤波器和Mahony&Madgwick滤波器)的项目,它提供了丰富的参考资料与教程。资料涵盖鼻子教程和算法,为在嵌入式系统中应用IMU(加速度计和陀螺仪设备)提供指导。IMU指南算法包含Arduino代码实现。项目利用5DOF IMU(集成加速度计和陀螺仪)进行DCM教程,介绍定向运动学的基础知识。IMU数据融合部分详细阐述了互补、卡尔曼和Mahony滤波器的应用。提及X-IO Technologies的x-IMU产品,以及TinkerForge推出的新型开源IMU和PIXHAWK IMU的mbed食谱。开源IMU和AHRS算法由X-IO Technologies提供,同时还包括IMU(加速度计和陀螺仪)与MARG传感器阵列(集成了加速度计、陀螺仪和磁力计)的方向估计算法。更多关于mbed IMUfilter的信息和使用方法,请查阅下载后的README.md文件。
stable diffusion流程图
stable diffusion流程图
内置式永磁同步电机MTPA与解析法弱磁协同控制策略的宽速域动态特性研究-基于电压饱和判据的分区切换机制与仿真验证(Simulink仿真实现)
内容概要:本文围绕内置式永磁同步电机(IPMSM)的宽速域控制问题,提出了一种最大转矩电流比(MTPA)与基于解析法的弱磁控制协同策略,旨在实现电机在全速域范围内的高效、稳定运行。研究基于电压饱和判据,设计了精确的分区切换机制,确保在不同转速区间内MTPA与弱磁控制策略的无缝衔接与平滑过渡。通过Simulink搭建了完整的电机控制系统模型,对所提出的协同控制策略进行了详细的仿真验证,重点分析了其在动态加速、减速及负载突变等工况下的宽速域动态特性,证明了该方法在提升系统响应速度、抑制转矩脉动和维持电压稳定方面的优越性能。; 适合人群:从事电机控制、电力电子、新能源汽车或自动化领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 掌握永磁同步电机在全速域范围内的先进控制策略;② 学习如何设计基于物理约束(如电压饱和)的多模式控制切换逻辑;③ 利用Simulink进行电机控制系统的建模、仿真与性能验证; 其他说明:该资源不仅提供了完整的理论分析和控制框图,还包含了可直接运行的Simulink仿真模型,便于读者复现结果、修改参数并进行二次开发,是深入理解电机高性能控制算法的理想实践材料。
永磁同步电机模型
预测
-模型参考自适应融合观测器的协同机制与零速起动收敛性研究(Simulink仿真实现)
内容概要:本研究聚焦于永磁同步电机(PMSM)在无位置传感器控制下的启动性能优化,提出了一种将模型
预测
控制(MPC)与模型参考自适应系统(MRAS)相融合的观测器设计方案。该融合观测器充分利用MPC的多步前瞻
预测
能力和MRAS的强鲁棒性,构建协同机制,旨在解决电机在零速和极低速工况下因反电动势微弱而导致的传统观测器收敛困难、稳定性差的问题。研究通过Simulink仿真实验,深入分析了融合观测器的动态响应特性、收敛速度及其在零速启动过程中的稳定性,验证了该方案相较于单一观测器在提升系统收敛性和平滑启动方面的优越性。; 适合人群:具备电机控制理论基础和Simulink仿真经验,从事电机驱动、电力电子或自动化领域研发工作的工程师及研究生。; 使用场景及目标:① 解决永磁同步电机在零低速区的精确转子位置观测难题;② 设计并验证融合型观测器以提升系统在启动阶段的动态性能和鲁棒性;③ 为高性能无传感器驱动系统的设计提供仿真依据和技术参考。; 阅读建议:此资源以Simulink仿真实现为核心,读者应在理解MPC和MRAS基本原理的基础上,重点学习其融合架构的设计思路与协同机制的实现方法,并通过动手复现仿真模型来深入掌握观测器的参数整定、性能评估与优化技巧。
《零基础学机器学习》
7
社区成员
359
社区内容
发帖
与我相关
我的任务
《零基础学机器学习》
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
复制链接
扫一扫
分享
社区描述
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章