olivia-account Goto Github PK

-sir-sir-model-with-stochasticity-seir-seir-model-with-stochasticity-si-sirs-seirs-v-sird-

这个项目旨在通过利用传染病模型，结合实际观测数据，实现对传染病传播过程的更准确预测。我们采用了多种经典传染病模型，包括SIR、SIR模型带有随机性、SEIR、SEIR模型带有随机性、SI、SIRS、SEIRS-V以及SIRD，并通过优化算法对模型参数进行调整，以最好地拟合现实世界的数据。

a-mobilenetv2-based-garbage-classification-system-with-tensorflow

本项目旨在利用 TensorFlow 框架构建一个垃圾分类系统，能够识别常见生活垃圾的类别，并具有较高的识别准确率。项目采用 MobileNetV2 作为模型架构，并进行了针对性的改进。最终，模型在测试集上取得了 95% 的准确率。

campuscanteenanalytics-tk

这个项目主要是一个食堂数据分析的Tkinter GUI应用程序，通过使用pandas和matplotlib库来处理和可视化食堂数据。给周围对食堂不太了解的学生推荐食堂的菜。

cell-clustering-with-pytorch-mlp

细胞聚类是生物信息学和医学研究中的关键问题之一。通过对细胞数据进行聚类，我们可以识别潜在的生物学群体，并更好地理解细胞之间的关系。本项目旨在通过构建一个基于PyTorch的MLP模型，实现对细胞数据的自动聚类。

commodity-data-processing

这是关于招聘数据科学家的问题。需要创建一个模型来预测候选人在培训后是否会留在公司工作。这个任务需要使用候选人的个人信息和经历数据来预测他们留在公司工作的概率。同时，还需要解释模型如何影响候选人的决定。

course-design

这是一些学校的课程设计与作业还有一些小练习。

daily-activity-assessment-and-analysis-study

We analyzed daily exercise data from 30 individuals, collected from March 12, 2016, to May 12, 2016, to explore the challenge of meeting the recommended 30 minutes of moderate-intensity activity per day. This data is crucial for assessing the health of individuals and groups and understanding the barriers to meeting physical activity recommendation

dynamic-regulation-of-concentrated-solution-dilution-system

通过分析浓溶液稀释系统的数据，建立一个数学模型来探究容器2中盐含量随时间的变化。

electron-jquery-bootstrap

bare-bones electron app with jQuery and Boostrap usage

estimate-vital-signs

使用了三个模型来训练：逻辑回归、随机森林、SVR。监测仪器可以随时监测到被监测者的电子信号，需要将电子信号“翻译” 为被监测者能理解的生命体征数据，本项目建立通过电子信号估计生命体征数据的数学模型。

imitate-axure-works-on-baidu-s-homepage

模仿百度首页的axure作品。

implicitflow-torchrec

基于隐式反馈的推荐系统，使用PyTorch实现了两个不同的模型：ImplicitFeedbackModel和AnotherImplicitFeedbackModel。这两个模型分别处理了点击历史、新闻数据和用户预测数据，并通过训练来学习用户、新闻和类别之间的嵌入关系，以预测用户对新闻的兴趣。

jquerychat

用jQuery设计的网页版聊天窗口

military-equipment-knowledge-graph-based-on-deep-learning-and-neo4j

基于深度学习与Neo4j的军事装备知识图谱网页应用构建。本项目是一个军事武器知识图谱网页应用软件原型系统。该系统由数据爬虫、数据管理、数据处理、知识问答、新闻热点、词条查询和图谱展示七个功能模块组成。系统从互联网上爬取数据，并基于百度文心ERNIE 3.0模型对数据进行实体识别和关系抽取，将数据处理为三元组形式并存储到图数据库Neo4j中。通过数据管理和数据标注，并通过对Neo4j中的三元组数据进行自动处理和分析，实现知识问答、新闻热点、词条查询和图谱展示的功能。

mixly_company_extend

Libraries for Mixly(Suitable for Mixly 0.964 or later)

nodejs_article_management

文章管理后台+个人中心，nodejs写的后端

paddleocr4learn

Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)

poverty-level-prediction-project-with-random-forest-and-decision-trees

本项目旨在通过先进的数据分析和机器学习技术，对哥斯达黎加的家庭信息数据进行深度分析，以科学、精准地预测家庭的贫困程度。项目的核心目标是识别出最脆弱的家庭，以便政府和社会组织能更有针对性地提供援助，从而有效改善这些家庭的生活状况，并优化社会援助资源的分配。 通过随机森林和决策树等机器学习模型的应用，本项目开发了一个贫困预测系统。系统首先对原始数据集进行了详细的预处理和特征工程，包括缺失值处理、统计汇总与可视化以及新特征的创建和选择。然后，利用交叉验证和模型评估策略，精选出影响贫困程度的关键特征，并通过准确率等指标评估了模型的性能。最终，决策树模型以其高准确率被选为最优模型，用于实际的贫困预测任务。

python-mario

Python

sales-data-analysis-and-user-profiling-project

这个项目旨在对销售数据进行深入分析，并通过用户画像生成来揭示销售业务中的关键信息。通过对销售额、数量、利润等指标的统计分析，以及产品销售情况、地域销售情况、客户销售情况和时间趋势的分析，帮助企业了解销售业绩表现、产品热卖情况、地域销售重点、客户贡献度以及销售额的月度趋势。同时，通过用户画像生成函数，可以根据用户姓名获取其消费数据，分析其消费习惯，包括总消费额、平均订单金额和最常购买的产品。

simroutesolver

这项目通过模拟退火算法解决了路径规划问题，优化车辆路径和行驶距离。通过初始解生成和温度逐步降低的策略，算法不断搜索并接受更优解，最终得到全局最优解。

stock-purchase-optimization-project

这个项目旨在通过强化学习和蒙特卡洛模拟的结合，解决银行购买股票的最优策略和预期利润折现率的问题。首先，将交易日视为状态，银行的动作为购买或不购买股票，以最大化利润。其次，通过蒙特卡洛模拟生成资产价格路径，以及使用强化学习算法训练银行的执行策略。最后，通过调整折现率找到使预期现金流的净现值为零的折现率。整个项目结合了强化学习和蒙特卡洛模拟。

summary-of-small-projects

test1

tif-image-surface-statistical-analysis

"图像表面统计分析" 是一个用于深入了解图像表面特性的工具，特别关注于统计分析和表面粗糙度的评估。该项目提供了一套功能强大的函数，用于计算图像表面的自相关函数、均方根高度以及相关长度。

tumor-recognition

基于机器学习的肿瘤特征识别，使用了六个机器学习的模型进行交叉验证

vuecommercemanagementsystem

"商品管理系统"实验旨在通过 HTML、CSS 和 Vue.js 技术，创建一个初学者友好的商品管理界面。该项目着重于页面布局与交互，数据绑定，以及数据管理操作。