包含以下2个部分： 一、各省市场化指数含分项指数（数据&代码&文献）(1997-2022) 包括do文档和stata文件，21和22为推算 1.时间跨度：1997-2022 2.统计范围：31省，包括西藏（西藏部分缺失） 3.分项包括：政府与市场关系、非国有经济发展、产品市场的发育程度、要素市场的发育程度、市场中介组织的发育和法律制度环境 二、地级市市场化指数（1998-2020） 1.时间跨度：1998-2020 2.统计范围：421个地级市 3.说明：没有原始数据，只有测算结果

自述文件 该存储库包含该论文的数据，代码，预训练的模型和实验结果： [SEntiMoji：由Emoji推动的用于软件工程中情感分析的学习方法] 。 森蒂莫吉 这项研究提出了SEntiMoji，它利用来自Github和Twitter的包含表情符号的文本来改善软件工程（SE）领域中的情感分析和情感检测任务。 事实证明，SEntiMoji能够在代表性的基准数据集上显着胜过现有的SE自定义情感分析和情感检测方法。 总览 data/包含本研究中使用的数据。 它包含两个子文件夹： GitHub_data/包含用于训练SEntiMoji的已处理表情文字。 benchmark_dataset/包含用于评估

openmv端收发单片机的数据，用来与单片机进行通信

任务是对客户下个月是否违约做出预测。原始数据格式是csv。模型比较了随机森林，逻辑回归，adboost，gbdt，xgboost的分类准确率，最终选取gbdt进行调参优化，提升了1pt

建模培训three tai数据代码参考文献.zip

stata熵值法代码 详细步骤

压缩包内含：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。要想在股票交易中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。理论上，根据股票以往的价格走势，可以预测股票的未来走势。因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。Hochreiter 和 Schmidhuber 提出的长短期记忆（ Long Short-Term Memory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。因此，本文基于LSTM实现一个股票价格预测模型。

linux下通过i2c读取ads1115AD模块数据，也可自行修改成头文件进行调用，参考于野火的mpu6050代码，

hankel变换matlab代码年龄代码 可以重复合成示例并应用于数据的标题代码，对应于发表在《流体力学杂志》上的论文“功率谱和波涡分解的地转修正”。 包含： 验证波涡分解算法应用于一维合成数据的代码，如论文第 4.3 节所示。 其中包含的是根据一维轨迹数据计算非地转 QG 谱的代码。 对应的主程序：practise_washingcycle_verify.m 验证一维算法的代码，对应于论文中的第 3.3 节。 对应的主程序：practise_Cphit_from_Cpsit_noise.m 我正在使用 Matlab 2019a 来处理这些代码。 所有合成示例都可以在相当不错的笔记本电脑上在几分钟内运行，但如果您将其应用于实际数据，您可能需要更多的计算资源。 运行它们时，请确保此存储库中的所有内容都复制到您的 Matlab 路径中； 特别是，不要忘记 fftstuff 和 Hankel Transform 包中的内容。 如果您对任何事情感到困惑，请不要犹豫与我联系。 （电子邮件： ） 韩，2019/10/21。

采用selenium模块从微博爬取的旅游信息数据，有代码和数据。