深度学习入门实战例子必备的--MNIST手写数字数据集,可以利用CNN,GAN,DCGAN等神经网络做各种各样的实验。除了原有的四个数据集,加入了CSV格式的MNIST
2022-04-15 09:55:13 24.67MB cnn 深度学习 神经网络 人工智能
1
nmap解析器 将 nmap XML 文件解析为 CSV
2022-04-14 23:07:46 1KB Python
1
Nmap-XML-解析器 将 Nmap XML 输出转换为 csv 文件,以及其他有用的功能。 忽略关闭的主机和未打开的端口。 用法 将 Nmap 输出转换为 csv 文件 python3 nmap_xml_parser.py -f nmap_scan.xml -csv nmap_scan.csv 向终端显示扫描信息 python3 nmap_xml_parser.py -f nmap_scan.xml -p 仅显示 IP 地址 python3 nmap_xml_parser.py -f nmap_scan.xml -ip 以 URL 友好格式显示 IP 地址/端口 如果端口是可能的 Web 端口,则以 http(s)://ipaddr:port 格式显示 python3 nmap_xml_parser.py -f nmap_scan.xml -pw 显示最不常见的开放端口 显示
2022-04-14 23:01:33 4KB Python
1
全球人口统计的csv文件,用于做数据集分析的,
2022-04-13 15:41:43 477KB 全球人口统计数据
1
数据集
2022-04-12 23:47:06 303KB 数据集
1
Python初学者学习中会遇到 【透视表】 实例,其中使用到了数据表 “透视表-篮球赛.csv” 网上大都只提供教学方法了,没有为学生提供数据表,本人花了点时间把这个表做出来了,以后有需要的可来这里下载使用!
1
数据分析常用数据集:Framingham.csv 统计分析及模型构建中常用的数据集、使用数据集可以对模型和算法进行快速验证,而且如果能够得到经典测试数据有助于我们复现大佬(巨佬)们提供的算法模型、达到实战联系的目的、真正从原理上开启数据分析、而不是纸上谈兵; 纽约时报的一篇文章报道,数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学家工作流中典型的比较耗费时间的。 常用的数据集可以帮助我们快速实验模型算法,因为他们都是被处理过的优质数据;
2022-04-11 14:10:23 216KB R spss
1
数据分析常用数据集:dignosisdata.csv 统计分析及模型构建中常用的数据集、使用数据集可以对模型和算法进行快速验证,而且如果能够得到经典测试数据有助于我们复现大佬(巨佬)们提供的算法模型、达到实战联系的目的、真正从原理上开启数据分析、而不是纸上谈兵; 纽约时报的一篇文章报道,数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学家工作流中典型的比较耗费时间的。 常用的数据集可以帮助我们快速实验模型算法,因为他们都是被处理过的优质数据;
2022-04-11 14:10:23 1007B R spss
1
数据分析常用数据集:wine_clusters.csv 统计分析及模型构建中常用的数据集、使用数据集可以对模型和算法进行快速验证,而且如果能够得到经典测试数据有助于我们复现大佬(巨佬)们提供的算法模型、达到实战联系的目的、真正从原理上开启数据分析、而不是纸上谈兵; 纽约时报的一篇文章报道,数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学家工作流中典型的比较耗费时间的。 常用的数据集可以帮助我们快速实验模型算法,因为他们都是被处理过的优质数据;
2022-04-11 14:10:21 1KB R spss
1
数据分析常用数据集:NHLtrain.csv 统计分析及模型构建中常用的数据集、使用数据集可以对模型和算法进行快速验证,而且如果能够得到经典测试数据有助于我们复现大佬(巨佬)们提供的算法模型、达到实战联系的目的、真正从原理上开启数据分析、而不是纸上谈兵; 纽约时报的一篇文章报道,数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学家工作流中典型的比较耗费时间的。 常用的数据集可以帮助我们快速实验模型算法,因为他们都是被处理过的优质数据;
2022-04-11 14:10:19 3KB R spss
1