全部分类
源码/资料
Windows编程
Linux/Unix编程
WEB开发
移动互联网开发
数值算法/人工智能
区块链开发
网络编程
系统/网络安全
通讯编程
游戏
多媒体
嵌入式/单片机/硬件编程
图形图象
物联网
Java编程
行业应用
数据库系统
虚拟/增强现实-VR/AR
压缩解压
汇编语言
LabView编程
3D打印
易语言编程
编辑器/阅读器
编译器/解释器
磁盘编程
多国语言处理
FlashMX/Flex源码
并行计算
书籍源码
Delphi控件源码
操作系统开发
中间件编程
MacOS编程
电子书籍
VC书籍
Java书籍
Delphi/CppBuilder
软件工程
认证考试资料
其他书籍
文章/文档
工程标准规范
文件格式
软件设计/软件工程
技术管理
行业发展研究
人物传记/成功经验
通讯编程文档
系统设计方案
软件测试
其他
数值算法/人工智能（1761+资源）
mysqlclient-1.3.13-cp36-cp36m-win_amd64.rar
数据挖掘、数据分析
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
from sklearn.metrics import roc_curve, auc
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
import eli5
from eli5.sklearn import PermutationImportance
import shap
from pdpbox import pdp, info_plots
xgboost、
pandas_profiling（数据快速EDA）：pandas_profiling.ProfileReport(df)
profile= pandas_profiling.ProfileReport(df)profile.to_file(outputfile="Titanic data profiling.html")
cufflinks 快速绘图：pip install plotly
%matplotlib inline(图不可调) %matplotlib notebook（图大小可调）
data.iplot()
新建文件夹.zip
将两类不可分样本剪辑成可分样本,可作为最近邻法的训练样本。方法的第一步是利用已知样本集中的样本进行预分类,并剪辑掉错分的样本,留下的样本构成剪辑样本集;第二步是利用剪辑样本集和近邻规则对未知样本x进行分类。