- 博客(42)
- 收藏
- 关注
原创 基于CNN(一维卷积Conv1D)+LSTM+MultiheadAttention 实现股票多变量时间序列预测(PyTorch版)
在深度学习的众多模型中,卷积神经网络(CNN)和长短期记忆网络(LSTM)因其独特的优势而被广泛应用于时间序列预测领域。CNN能够有效捕捉数据的局部特征,尤其对于图像或时间序列数据中的空间结构具有强大的建模能力;而LSTM则通过其内部的记忆单元和门控机制,能够处理序列数据中的长期依赖关系,非常适合于股票这类具有时序特性的数据。然而,尽管CNN和LSTM的结合已经在许多时间序列预测任务中取得了显著的效果,但在面对多变量、高噪声的股票数据时,其预测精度仍有待提高。为此,我们引入了多头注意力机制提高了模型精度
2024-07-23 18:57:49
504
原创 基于 CNN(二维卷积Conv2D)+LSTM 实现股票多变量时间序列预测(PyTorch版)
本文旨在探索基于CNN-LSTM的模型在股票多变量时间序列预测中的应用。通过构建CNN-LSTM模型,我们可以同时捕捉股票价格数据中的空间特征和时序依赖关系,从而实现对股票价格更准确的预测。本文的研究不仅有助于提升股票价格预测的精度,也为深度学习技术在金融领域的应用提供了新的思路和方法。
2024-07-19 16:34:43
1826
3
原创 BiLSTM 实现股票多变量时间序列预测(PyTorch版)
在本文中,我们将探讨如何使用PyTorch框架实现基于双向长短期记忆网络(BiLSTM)的多变量时间序列预测模型。多变量时间序列预测涉及多个输入变量和一个或多个输出变量,这些变量随时间变化并可能相互影响。通过利用BiLSTM的双向特性,我们的模型将能够同时考虑历史数据和未来趋势,从而更准确地预测时间序列的未来值。
2024-07-17 19:54:45
1185
原创 BiGRU 实现股票多变量时间序列预测(PyTorch版)
本文旨在介绍基于PyTorch框架的BiGRU多变量时间序列预测算法的实现。双向门控循环单元(BiGRU)作为BiRNN的一种变体,结合了GRU和BiRNN的优点,不仅具有更强的学习能力,而且能够同时考虑到历史和未来的信息。在多变量时间序列预测中,BiGRU可以通过其双向结构和门控机制,有效地捕捉多个变量之间的相互影响和时序关系,从而实现更准确的预测。
2024-07-12 17:19:19
1341
原创 FNN 实现股票单变量时间序列预测(PyTorch版)
前馈神经网络(Feedforward Neural Network, FNN)作为深度学习中的一种基本网络结构,以其强大的非线性拟合能力和自适应性,在金融时间序列预测中展现出巨大的潜力。前馈神经网络通过模拟人脑神经元的连接方式,构建了一个多层次的计算模型,能够自动学习和提取数据中的复杂特征和规律,从而对未来的市场走势进行预测。
2024-07-11 14:39:50
1290
3
原创 RNN 实现股票单变量时间序列预测(PyTorch版)
最近,深度学习作为高级版本的 ANN,因其在图像识别和语音识别等领域的高性能而在机器学习领域备受关注。在金融预测领域,类似的新趋势认为深度神经网络有可能提高股市预测的准确性。目前有两种主要的深度学习模型被用于股市预测: 递归神经网络(RNN)和卷积神经网络(CNN)
2024-07-09 20:49:56
240
原创 GRU 实现股票单变量时间序列预测(PyTorch版)
本文通过对 GRU 时间序列模型的介绍,探讨Stacked GRU在股市科技股中的表现。本研究文章的结构如下。第一节介绍金融时间序列数据。第二节对金融时间数进行特征工程。第三节是构建模型、定义参数空间、损失函数与优化器。第四节是训练模型。第五节是评估模型与结果可视化。第六部分是预测下一个时间点的收盘价。
2024-07-09 08:00:00
724
原创 基于长短期记忆网络 LSTM 的下一个单词预测
下一个单词预测是一个引人入胜的问题,它涉及开发一种模型,能够预测句子中给定单词序列之后最有可能出现的单词。这种预测模型利用算法和语言模式的力量来预测下一个单词,从而实现各种应用,如预测性键盘建议、写作辅助和内容生成。这就像在应用程序中内置了一个功能,可以在您输入或说话时建议下一个单词。下一个单词预测模型可用于信息应用、搜索引擎、虚拟助手和智能手机的自动更正功能等应用中。在这项任务中,我们将使用一个文本数据集,该数据集基于以杰出侦探夏洛克-福尔摩斯为主角的著名系列丛书。该数据集由阿瑟-柯南-道尔爵士撰写的
2024-06-11 21:52:40
888
原创 基于神经网络模型ANN的人力资源分析与员工流失预测
人员的流失是每一个公司都面临的问题,而高流失率对任何公司来说都是昂贵的,这体现在招聘和培训成本、生产力的损失和员工士气的降低。员工流失分析是指分析离开组织的员工的行为,并将其与组织中的现有员工进行比较。它有助于发现哪些员工可能很快就会离开。员工流失分析是一种行为分析,我们研究离开组织的员工的行为和特征,并将其特征与现有员工进行比较,以找出可能很快离开组织的员工。通过确定员工流失的原因,公司可以采取措施减少员工流失,留住宝贵的员工。
2024-06-10 12:53:43
584
1
原创 基于随机森林RF、梯度提升决策树GBDT的人力资源分析与员工流失预测
人员的流失是每一个公司都面临的问题,而高流失率对任何公司来说都是昂贵的,这体现在招聘和培训成本、生产力的损失和员工士气的降低。员工流失分析是指分析离开组织的员工的行为,并将其与组织中的现有员工进行比较。它有助于发现哪些员工可能很快就会离开。员工流失分析是一种行为分析,我们研究离开组织的员工的行为和特征,并将其特征与现有员工进行比较,以找出可能很快离开组织的员工。通过确定员工流失的原因,公司可以采取措施减少员工流失,留住宝贵的员工。
2024-06-06 14:09:54
1232
原创 基于VGG16使用图像特征进行迁移学习的时装推荐系统
本文所提供的数据集由女性时尚物品的图像组成,包括各种服装和配饰。每张图片都代表一件独特的商品,按类型(如连衣裙、上衣、裙子)、风格(如休闲、正式、运动)以及颜色和图案等其他属性进行分类。这些图像以统一格式收集,以方便特征提取和分析过程。主要目标是开发一个时尚推荐系统,该系统可以分析输入的时尚单品图像,并根据视觉相似性从数据集中推荐相似的单品。
2024-05-30 23:07:38
2178
2
原创 基于 FastAI 文本迁移学习的情感分类(93%+Accuracy)
语言模型通过学习来预测单词序列的概率。但为什么我们需要学习单词的概率呢?让我们通过一个例子来理解。我相信你一定用过谷歌翻译。出于不同的原因,我们都会用它将一种语言翻译成另一种语言。这是一个流行的 NLP 应用的例子,叫做机器翻译。在 “机器翻译 ”中,你需要从一种语言中输入一堆单词,然后将这些单词转换成另一种语言。现在,系统可能会给出许多潜在的翻译,您需要计算每种翻译的概率,以了解哪种翻译最准确。
2024-05-29 21:50:13
1254
原创 基于 RNNs 对 IMDB 电影评论进行情感分类
本章将使用 Tensorflow 进行情感分析,以阐述文本分类!在需要捕捉序列信息时,循环神经网络(RNN)就能派上用场(另一种用例可能包括时间序列、下一个单词预测等)。由于其内部记忆因素,它能记住过去的序列和当前的输入,这使它能够捕捉上下文而不仅仅是单个单词。
2024-05-28 14:59:25
883
原创 使用 Python 编程语言进行供应链分析
要分析一家公司的供应链,我们需要供应链不同阶段的数据,如有关采购、制造、运输、库存管理、销售和客户人口统计的数据。我为这项任务找到了一个理想的数据集,其中包括一家时尚和美容初创公司的供应链数据。
2024-05-27 22:31:34
1032
1
原创 基于长短期记忆网络 LSTM 的送餐时间预测
对于送餐服务公司来说,预测订单的送达时间是一项极具挑战性的任务。像 Zomato 和 Swiggy 这样的食品外卖服务需要准确显示送达订单所需的时间,以保持对客户的透明度。这些公司使用机器学习算法,根据送餐员过去在相同距离上所花费的时间来预测送餐时间。因此,如果您想了解如何使用机器学习预测食品配送时间,本文就是为您准备的。本文将带你使用 Python 通过机器学习预测送餐时间。
2024-05-26 21:47:03
1503
2
原创 基于 BERT 对 IMDB 电影评论进行情感分类
BERT 是 Bidirectional Representation for Transformers 的缩写,由谷歌人工智能语言研究人员于 2018 年提出。虽然其主要目的是提高对谷歌搜索相关查询含义的理解,但 BERT 已成为各种自然语言任务中最重要、最完整的架构之一,在句子对分类任务、问答任务等方面取得了最先进的成果。
2024-05-25 13:36:16
410
原创 基于双向长短期记忆BiLSTM对消费者投诉进行多类分类
消费者投诉分类是指对消费者所报投诉的性质进行分类。这对消费者服务部门很有帮助,因为他们每天都会收到成千上万的投诉,因此对这些投诉进行分类有助于确定哪些投诉需要首先解决,以减少消费者的损失。
2024-05-24 00:57:38
368
原创 基于二维卷积Conv2D实现MNIST数字识别的四种方法
使用 MNIST 数据集进行手写数字识别是一个借助神经网络完成的重要项目。深度神经网络是机器学习和人工智能的一个分支,这种网络能够从提供的无组织或无标记数据中进行无监督学习。我们在此基础上更进一步,我们的手写数字识别系统不仅能检测手写数字的扫描图像,还能借助集成的图形用户界面在屏幕上书写数字进行识别。它主要检测手写数字的扫描图像。
2024-05-15 19:44:34
1196
原创 基于多项式分布朴素贝叶斯MultinomialNB、文本矢量化TextVectorization、BiLSTM(双向LSTM)检测垃圾短信
在当今社会,几乎每个人都有一部手机,他们的手机都会定期收到通信(短信/电子邮件)。但重要的一点是,收到的大多数信息都是垃圾信息,只有少数是必要的通信。骗子制造欺诈性短信,骗取你的个人信息,如密码、账号或社会保险号。如果他们掌握了这些信息,就有可能访问您的电子邮件、银行或其他账户。在本文中,我们将使用 `Tensorflow` 开发各种深度学习模型,用于垃圾短信检测,并分析不同模型的性能指标。
2024-05-13 23:57:49
1444
4
原创 深度学习:基于人工神经网络ANN的降雨预测
降雨预测是对人类社会有重大影响的困难和不确定任务之一。及时准确的预测可以主动帮助减少人员和经济损失。本研究介绍了一组实验,其中涉及使用常见的神经网络技术创建模型,根据澳大利亚主要城市当天的天气数据预测明天是否会下雨。
2024-05-11 21:54:02
1340
9
原创 机器学习:基于线性回归、岭回归、xgboost回归、Lasso回归、随机森林回归预测卡路里消耗
运动卡路里消耗估计:通过使用传感器(如心率监测器、步数计等)收集用户的运动数据,机器学习模型可以预测他们的卡路里消耗量。这可以帮助用户更好地了解他们的运动效果,并根据自己的目标进行合理的运动安排和饮食搭配。
2024-05-09 20:30:05
1421
4
原创 深度学习:基于TensorFlow 和 Keras,使用神经网络回归模型预测 IPL 分数
在板球比赛中,我们经常会看到比分线显示根据当前比赛形势球队获胜的概率。这种预测通常是在数据分析的帮助下完成的。以前,在机器学习还不发达的时候,预测通常是基于直觉或一些基本算法。我们人类无法轻易从海量数据中找出模式,因此,机器学习和深度学习在此发挥了作用。它可以了解球员和球队之前对阵对方球队时的表现,并据此训练模型。仅使用机器学习算法的准确率不高,因此我们使用了深度学习,它的性能比我们之前的模型要好得多,并且考虑到了能够提供准确结果的属性。
2024-05-09 11:40:14
870
原创 机器学习:基于TF-IDF算法、决策树,使用NLTK库对亚马逊美食评论进行情绪分析
对于文本分析,我们将使用 NLTK 库。NLTK 是构建 Python 程序以处理人类语言数据的领先平台。它为 50 多个语料库和词汇资源(如 WordNet)提供了易于使用的接口,同时还提供了一套用于分类、标记化、词干化、标记、解析和语义推理的文本处理库,工业级 NLP 库的封装器,以及一个活跃的讨论论坛。
2024-05-08 21:58:14
2281
1
原创 基于长短期记忆网络LSTM和RMSProp优化算法进行销售预测分析
预测是使用过去的值和许多其他因素来预测未来的值。在本文中,我们将使用 `Keras` 功能 API 创建一个销售预测模型。首先,所有输入都经过预处理,以便机器能够理解。这是一个基于监督学习的线性回归模型,因此输出将与输入一起提供。然后,输入连同期望的输出一起被馈送到模型。该模型将绘制(学习)输入和输出之间的关系(函数)。然后,该函数或关系用于预测特定输入集的输出。在这种情况下,像日期和以前的销售额这样的输入参数被标记为输入,销售额被标记为输出。
2024-05-05 15:28:37
1153
1
原创 机器学习:基于K-近邻(KNN)、高斯贝叶斯(GaussianNB)、SVC、随机森林(RF)、梯度提升树(GBDT)预测葡萄酒质量
我们提出了一种数据挖掘方法来预测人类的葡萄酒口味偏好,该方法基于认证步骤中易于获得的分析测试。考虑了一个大型数据集(与该领域的其他研究相比)。在同时执行变量和模型选择的计算高效程序下应用了五种回归技术。随机森林与梯度提升树取得了可喜的结果,优于多元回归和神经网络方法。这种模型有助于支持酿酒师的品酒评估和提高葡萄酒产量。此外,类似的技术可以通过对于市场的消费者口味进行建模来帮助进行目标营销。
2024-05-04 23:57:01
1530
2
原创 深度学习:基于TensorFlow、Keras,使用长短期记忆神经网络模型(LSTM)对Microsoft股票进行预测分析
在本文中,我们将使用机器学习技术实现 Microsoft 股价预测。我们将使用 TensorFlow,这是一个由 Google 开发的开源 Python 机器学习框架。借助 TensorFlow,您可以轻松实现时间序列预测数据。由于股价预测是时间序列预测问题之一,我们将使用机器学习技术构建端到端的 Microsoft 股价预测。
2024-05-03 16:39:50
1623
1
原创 基于长短期记忆网络 LSTM 实现股票单变量时间序列预测(PyTorch版)
本文通过对 LSTM 时间序列模型的介绍,探讨Stacked LSTM在股市中的表现,特别是一些科技股(苹果、亚马逊、谷歌和微软)。本研究文章的结构如下。第一节介绍金融时间序列数据。第二节对金融时间数进行特征工程。第三节是构建模型、定义参数空间、损失函数与优化器。第四节是训练模型。第五节是评估模型与结果可视化。第六部分是预测下一个时间点的收盘价。
2024-05-02 16:57:13
3130
12
原创 机器学习:基于Sklearn、XGBoost,使用逻辑回归、支持向量机和XGBClassifier预测股票价格
在这篇文章中,我们将探讨如何通过使用逻辑回归、支持向量机和XGBClassifier来预测一个信号,并且讨论该信号对于购买特定股票是否有帮助?支持
2024-05-02 08:30:00
1988
1
原创 机器学习:基于Linear Regression(线性回归)、Lasso、Ridge(岭回归)、随机森林和XGBRegressor的房屋实际价格和预测价格之间的对数差异
本文旨在实现一个机器学习模型,该模型可以预测每栋房子的销售价格。我们将通过尝试实现一个房价指数计算器的基准模型,来获得了这些房屋的实际价格和预测价格之间的对数差异。
2024-05-01 14:22:45
1004
1
原创 机器学习:基于Sklearn,使用随机森林分类器RandomForestClassifier检测信用卡欺诈
本文旨在实现一个机器学习模型,该模型可以使信用卡公司能够识别欺诈性信用卡交易,这样客户就不会被收取未购买的物品的费用。
2024-05-01 00:11:55
824
3
原创 机器学习:基于Sklearn、XGBoost框架,使用逻辑回归、支持向量机和XGBClassifier来诊断并预测一个人是否患有自闭症
自闭症是一种神经系统疾病,会影响一个人与他人互动、与他人进行眼神交流、学习能力以及一个人的其他行为和社交能力的能力。但是自闭症的确诊多因患儿的表现较难确诊,需通过详细的生长发育史、病史、精神检查及排除其他广泛性发育障碍来协助诊断。运用一些筛查性的量表进行初步筛查,最后通过儿童精神科系统检查后才能确诊。但是,如果我们使用机器学习来预测一个人是否患有自闭症,会怎么样呢?这正是我们将在本文中讨论的内容。
2024-04-29 21:33:36
1380
5
原创 机器学习:使用高斯朴素贝叶斯分类器(GaussianNB)、随机森林分类器(RandomForestClassifier)进行癌细胞分类,预测肿瘤是恶性还是良性
本文旨在根据癌细胞的特征对癌细胞进行分类,并确定它们是“恶性”还是“良性”;通过python编写两种经典的机器学习算法(随机森林分类和朴素贝叶斯分类)来训练细胞的形态特征。根据不同模型对癌症细胞的分类结果,对两个个模型在该数据集中的性能进行评价。
2024-04-28 18:48:39
1255
3
原创 机器学习:基于k近邻算法(KNN)和交叉验证诊断乳腺癌,预测患者患有良性肿瘤还是恶性肿瘤
本文旨在实现一个强大的机器学习模型,该模型可以预测乳腺癌患者是良性肿瘤还是恶性肿瘤。该模型使用k近邻算法 (KNN),k近邻算法,也称为 KNN 或 k-NN,是一种非参数、有监督的学习分类器,KNN 使用邻近度对单个数据点的分组进行分类或预测。
2024-04-27 18:02:10
1815
原创 机器学习:基于Sklearn、XGBoost框架,使用XGBClassifier、支持向量分类器和决策树分类器预测乳腺癌是良性还是恶性
本文旨在实现一个强大的机器学习模型,该模型基于XGBoost、支持向量机、决策树分类器进行对乳腺癌患者是良性肿瘤还是恶性肿瘤的预测。
2024-04-25 14:09:26
1472
1
原创 机器学习:基于Sklearn、XGBoost框架,使用逻辑回归、支持向量机和XGBClassifier预测帕金森病
帕金森病是一种进行性疾病,会影响神经系统和由神经控制的身体部位,症状看起来也不太明显。僵硬、震颤和运动减慢可能是帕金森病的征兆。基于Sklearn、XGBoost模块,使用Logistic Regression和支持向量机,预测一个人是否患有帕金森氏病
2024-04-23 21:56:23
1615
原创 深度学习:基于Keras框架,使用神经网络模型对葡萄酒类型进行预测分析
在本专栏中不仅包含一些适合初学者的最新机器学习项目,每个项目都处理一组不同的问题,包括监督和无监督学习、分类、回归和聚类,而且涉及创建深度学习模型、处理非结构化数据以及指导复杂的模型,如卷积神经网络、门控递归单元、大型语言模型和强化学习模型。本文旨在使用 Keras 等深度学习库,并熟悉神经网络的基础,您可以从免费提供的UCI机器学习存储库中找到葡萄酒质量数据集。
2024-04-22 23:20:03
1280
原创 机器学习:基于Sklearn框架,使用逻辑回归对由心脏病引发的死亡进行预测分析
世界卫生组织估计,五分之四的心血管疾病(CVD)死亡是由心脏病发作引起的。整个研究旨在确定很有可能受到 CVD 影响的患者比例,并使用 Logistic Regression 预测总体风险。数据集来自一项正在进行的对马萨诸塞州弗雷明汉镇居民的心血管研究。分类目标是预测患者未来10年是否有冠心病(CHD)的风险。数据集提供患者的信息。它包括4000多条记录和15个属性。
2024-04-22 17:17:19
1142
原创 机器学习:基于K-Fold 交叉验证,使用支持向量分类器、高斯朴素贝叶斯分类器和随机森林分类器进行疾病预测分析
本文旨在实现一个强大的机器学习模型,该模型基于K-Fold 交叉验证,使用支持向量分类器、高斯朴素贝叶斯分类器和随机森林分类器进行疾病预测分析,可以根据人类所拥有的症状有效地预测人类的疾病。我们将使用 Kaggle 的数据集来解决这个问题,该数据集由两个 CSV 文件组成,一个用于训练,一个用于测试。
2024-04-21 18:48:53
1177
1
原创 机器学习:基于线性回归模型的物流运费成本预算分析
物流运费成本受诸多因素影响。数据集统计了10种可能影响运费的因素和不同型号车型运费的核算标准,期望构建一个基于10个因素进行运费预测的线性回归模型
2024-04-15 19:27:29
940
原创 NumPy 高级应用:数组算法与函数应用
NumPy ndarray 提供了一种将同构类型数据块(连续或跨步)解释为多维数组对象的方法。数据类型或dtype决定了如何将数据解释为浮点、整数、布尔值或任何其他类型。ndarray之所以灵活,部分原因在于每个数组对象都是数据块上的跨行视图。例如,您可能想知道数组视图如何不复制任何数据。原因是ndarray不仅仅是一个内存块和一种数据类型;它还具有跨行信息,使数组能够以不同的步长在内存中移动。
2024-04-14 14:51:21
1221
基于Pytorch,使用堆叠长短期记忆网络 Stacked LSTM 实现股票时间序列预测
2024-07-09
深度学习时间序列预测:基于堆叠长短期记忆网络Stacked LSTM预测A股股票价格走势
2024-07-09
机器学习:基于支持向量机的人脸识别实现步骤源码
2024-06-21
使用 Python 对德里地铁网络进行分析
2024-06-21
python爬虫:基于selenium获取实时油价
2024-06-15
SQL基础教程&Markdown笔记&语法大全
2024-06-15
基于python的zipfile文件密码破解脚本
2024-06-15
机器学习:基于余弦相似性的自然语言处理NLP的图书推荐系统
2024-06-15
机器学习:基于Sklearn,使用孤立森林IsolationForest交易的异常检测
2024-06-12
深度学习:基于Keras框架,使用神经网络模型对葡萄酒类型进行预测分析
2024-06-12
深度学习:基于TensorFlow 和 Keras,使用神经网络回归模型预测 IPL 分数
2024-06-12
机器学习:基于Sklearn,使用余弦相似度的音乐推荐系统
2024-06-12
使用python编程语言进行用户参与度分析
2024-06-11
基于python的美元兑印度卢比汇率分析
2024-06-11
机器学习:基于线性回归、岭回归、xgboost回归、Lasso回归、随机森林回归预测卡路里消耗
2024-06-11
机器学习利用 KNN 和交叉验证进行乳腺癌威斯康星诊断
2024-06-11
基于随机森林RF、梯度提升决策树GBDT贷款批准预测.zip
2024-06-11
机器学习:基于TF-IDF算法、决策树,使用NLTK库对亚马逊美食评论进行情绪分析.zip
2024-05-15
深度学习:基于TensorFlow、Keras,使用长短期记忆神经网络模型(LSTM)对Microsoft股票进行预测分析
2024-05-03
机器学习:基于Sklearn、XGBoost,使用逻辑回归、支持向量机和XGBClassifier预测股票价格
2024-05-02
机器学习:使用高斯朴素贝叶斯分类器、随机森林分类器进行癌细胞分类,预测肿瘤是恶性还是良性
2024-04-28
机器学习:基于Sklearn、XGBoost,使用XGBClassifier、支持向量机和决策树预测乳腺癌是良性还是恶性
2024-04-25
机器学习:基于Sklearn、XGBoost模块,使用逻辑回归和支持向量机预测帕金森病
2024-04-23
机器学习:基于逻辑回归对由心脏病引发的死亡进行预测分析
2024-04-22
机器学习:基于K-Fold 交叉验证,使用支持向量分类器、高斯朴素贝叶斯分类器和随机森林分类器进行疾病预测分析数据集
2024-04-21
计算机毕业设计:基于Java和J2EE旅游景区预定系统设计与实现.zip
2024-04-16
计算机毕业设计:基于springboot、vue大学生实习管理系统设计与实现.zip
2024-04-16
基于JAVAWEB、Jquery、bootstrap图书管管理系统的设计与实现.zip
2024-04-16
基于springboot、vue企业人力资源管理系统设计与实现.zip
2024-04-16
机器学习:基于线性回归模型的物流运费成本预算分析
2024-04-15
计算机毕业设计:JAVA图书管理系统设计与实现(源代码+论文)
2024-04-10
计算机毕业设计:JAVA某店POS积分管理系统(源代码+论文)
2024-04-10
计算机毕业设计:JAVA贪吃蛇游戏(源代码+论文).zip
2024-04-09
SQL基础教程,从入门到精通【常用公式大全】
2024-04-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人