- 博客(10)
- 收藏
- 关注
RSS订阅
147
1BP神经网络模型Python代码
# -*- coding: utf-8 -*-
"""
Created on Mon Oct 1 22:15:54 2018
@author: Heisenberg
"""
import numpy as np
import math
import random
import string
import matplotlib as mpl
import matplotlib.pyplot as plt
#random.seed(0) #当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数
#参考https://blog.csdn.net/jiangjiang_jian/article/details/79031788
#生成区间[a,b]内的随机数
def random_number(a,b):
return (b-a)*random.random()+a
#生成一个矩阵，大小为m*n,并且设置默认零矩阵
def makematrix(m, n, fill=0.0):
a = []
2023-12-01
ARIMA时间序列预测模型Python代码
import pandas
# 读取数据，指定日期为索引列
data = pandas.read_csv(
'D:\\DATA\\pycase\\number2\\9.3\\Data.csv' ,
index_col='日期'
)
# 绘图过程中
import matplotlib.pyplot as plt
# 用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
# 用来正常显示负号
plt.rcParams['axes.unicode_minus'] = False
# 查看趋势图
data.plot() #有增长趋势，不平稳
# 附加：查看自相关系数合片自相关系数（查分之后），可以用于平稳性的检测，也可用于定阶系数预估
#自相关图（）
from statsmodels.graphics.tsaplots import plot_acf
plot_acf(data).show() #自相关图既不是拖尾也不是截尾。以上的图的自相关是一个三角对称的形
2023-12-01
最短路径算法的python代码
示例：使用字典的方式构建有向图，并搜索图中的路径。
图很容易通过列表和词典来构造。比如说，这有一张简单的图：
A -> B
A -> C
A -> D
B -> E
C -> D
C -> F
D -> B
D -> E
E ->
F -> D
F -> G
G -> E
这个图有6个节点(A-G)和8个弧。它可以通过下面的Python数据结构来表示：
graph = {'A': ['B', 'C','D'],
'B': [ 'E'],
'C': ['D','F'],
'D': ['B','E','G'],
'E': [],
'F': ['D','G']
'G': ['E']}
代码
# 找到一条从start到end的路径
def findPath(graph,start,end,path=[]):
path = path + [start]
if start == end
2023-12-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人