自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(103)
  • 收藏
  • 关注

原创 C语言课程设计题目七:学生成绩管理系统设计

学生成绩信息包括:学期,学号,班别,姓名,四门课程成绩(语文、数学、英语和计算机)等。使用二进制文件方式存储数据,系统以菜单方式工作。题目七:学生成绩管理系统设计。

2024-09-28 23:48:01 341

原创 C语言课程设计题目六:学生信息管理系统设计

学生信息包括:学号,姓名,年龄,性别,出生年月,地址,电话,E-mail等。题目六:学生信息管理系统设计。

2024-09-28 23:23:32 217

原创 C语言课程设计题目五:西文下拉菜单的设计

可以通过光标键的移动来选择不同的菜单项,被选择的菜单项反相显示,当选定某个菜单项后,按回车键可以实现一个简单的动作。百度搜菜鸟教程->C/C++ 获取键盘事件。

2024-09-27 13:00:00 186

原创 C语言课程设计题目四:实验设备管理系统设计

实验设备信息包括:设备编号,设备种类(如:微机、打印机、扫描仪等等),设备名称,设备价格,设备购入日期,是否报废,报废日期等。采用二进制文件方式存储数据,系统以菜单方式工作。

2024-09-27 11:00:00 249

原创 C语言课程设计题目三:图书管理系统设计

首先展示所有图书信息,再提供两个选项:1,根据图书名称查询图书;2,根据作者查询图书信息。图书管理信息包括:图书名称、图书编号、单价、作者、存在状态、借书人姓名、性别、学号等。补充查询借书人信息,即借书人信息的保存和读取。题目三:图书管理系统设计。

2024-09-26 11:15:00 374

原创 C语言程序设计题目十九:编写一万年历系统

要求: 模仿现实中的挂历,显示当前月的每一天及星期几,当系统日期变为下一个月时,自动翻页到下一个月。根据年份和月份,确定该月的天数。(闰年,一月到十二月天数)进入下一个月时,更新日历(调试时间)题目十九:编写一万年历系统。计算当前月的1号是星期几。显示该月的日历,按星期排列。

2024-09-26 01:56:34 290

原创 C语言课程设计题目二:图书信息管理系统设计

图书信息包括:登录号、书名、作者名、分类号、出版单位、出版时间、价格等。按下9 保存退出后,再次启动,按下2,浏览,没有问题。一次性删除所有该登录号信息。没有登录号19的图书。

2024-09-25 11:30:00 499

原创 C语言课程设计题目一:职工信息管理系统设计

职工信息包括职工号、姓名、性别、年龄、学历、工资、住址、电话等(职工号不重复)。

2024-09-25 11:00:00 369

原创 C语言课程设计题目(24个选题)

题目一:职工信息管理系统设计题目二:图书信息管理系统设计题目三:图书管理系统设计题目四:实验设备管理系统设计题目五:西文下拉菜单的设计题目六:学生信息管理系统设计题目七:学生成绩管理系统设计题目八:学生选修课程系统设计题目九:学生成绩记录簿设计题目十:学生籍贯信息记录簿设计题目十一:学生通讯录管理系统设计题目十二:职工工作量统计系统设计题目十三:销售管理系统设计题目十四:成绩管理系统设计题目十五:通信录管理系统设计题目十六:学生管理系统设计题目十七:单项选择题标准化考试系统设

2024-09-24 19:00:54 2115

原创 医学数据分析实训 项目八 医疗保险欺诈行为分析

1. 结合业务理解和分析,分别为投保人和医疗机构构建特征;2. 对投保人和医疗机构的行为进行特征分析;3. 通过聚类算法发现投保人和医疗机构中存在的疑似欺诈行为。## 二 实现步骤1. 抽取医疗保险的历史数据;2. 对抽取的医疗保险的历史数据进行描述性统计分析,分析投保人信息和医疗机构信息;3. 采用聚类算法发现投保人和医疗机构中存在的疑似欺诈行为;4. 对疑似欺诈行为结果和聚类结果进行性能度量分析,并进行模型优化。

2024-09-23 11:00:00 1406

原创 医学数据分析实训 项目十 基于深度残差神经网络的皮肤癌检测

皮肤镜图像是检查皮肤癌黑色素瘤的主要手段。本实践项目通过构建深度残差神经网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化,降低网络训练的难度,实现黑色素瘤的有效识别。实践项目所使用的数据集由多名患者的皮肤癌组织纤维图像组成,分为训练集和预测集,每部分包含良性(benign,标签定义为1)和恶性(malignant,标签定义为0)两种。请将皮肤癌组织显微图像进行预处理,并在处理后的数据集基础上,运用基于深度残差神经网络模型对训练集进行训练,并对测试集进行预测。

2024-09-19 13:23:58 1794

原创 医学数据分析实训 项目九 糖尿病风险预测

本实践项目的数据集包含“train.csv”和“test.csv”两部分,部分特征名已经做了脱敏处理。训练集中包含年龄、性别、各项体检指标及目标血糖值。测试集相对于训练集缺少了对应的血糖值。训练集中包含 42个数据特征,其中 37 个为医学指标特征,数据集中的第一行为特征名称,其余每行代表一个个体。部分特征内容在部分人群中有缺失。请将以上体检数据集进行预处理,并在处理后的数据集的基础上,结合交叉验证,运用一种基于决策树算法的梯度提升框架的 LightGBM 算法对训练集进行训练,建立预测模型,实现血糖预

2024-09-18 15:25:34 1106

原创 医学数据分析实训 项目七 集成学习--空气质量指标--天气质量分析和预测

优化后的模型预测空气API结果: [‘C’ ‘B’ ‘B’ ‘B’ ‘A’ ‘B’ ‘A’ ‘A’ ‘B’ ‘B’ ‘A’ ‘B’ ‘B’ ‘A’ ‘A’ ‘A’ ‘A’ ‘B’GBM分类模型预测结果: [‘C’ ‘B’ ‘B’ ‘B’ ‘A’ ‘B’ ‘A’ ‘A’ ‘B’ ‘B’ ‘A’ ‘B’ ‘B’ ‘A’ ‘A’ ‘A’ ‘A’ ‘B’优化后的模型预测结果: [124.50273685 83.46470773 76.67313626 71.43908717 46.06087546。

2024-09-18 11:30:00 976

原创 医学数据分析实训 项目五 分类分析--乳腺癌数据分析与诊断

优化后的准确率: 0.9649122807017544, 精确率: 0.9534883720930233, 召回率: 0.9534883720930233, F1 值: 0.9534883720930233。优化后的准确率: 0.9649122807017544, 精确率: 0.975609756097561, 召回率: 0.9302325581395349, F1 值: 0.9523809523809523。最佳 k 值: 9, 对应的准确率: 0.9649122807017544。

2024-09-18 11:00:00 1303

原创 医学数据分析实训 项目五 聚类分析--蛋白质消费结构分析--车辆驾驶行为指标

本项目实践所涉及的业务为不同国家蛋白质消费结构分析,主要从数据集中选取不同国家蛋白质食品的消费数据,在此基础上通过k-means算法模型对其进行迭代求解的聚类分析,最后评价聚类效果的优度。分别绘制以上四种聚类方法对应的聚类结果散点图,并进行对比。最优的聚集次数为:5。最优的聚集次数: 2。

2024-09-17 11:00:00 1693

原创 医学数据分析实训 项目四 回归分析--预测帕金森病病情的严重程度

“parkinsons_updrs.data”,专注于通过远程监测设备记录帕金森病患者的语音信号来预测病情严重程度。训练集准确率 (R^2): 0.8968939783000226。测试集准确率 (R^2): 0.8984946250185042。目标向量 y_motor 的形状: 5875。目标向量 y_total 的形状: 5875。特征矩阵 X 的形状: (5875, 4)训练数据数量: 4406。测试数据数量: 1469。

2024-09-16 17:07:28 1396

原创 医学数据分析实训 项目三 关联规则分析作业--在线购物车分析--痹症方剂用药规律分析

针对数据集 Online Retail.xlsx进行预处理。通过 matplotlib.pyplot的 scatter函数绘制出提升度不小于1的关联规则的散点图,横坐标设置为支持度,纵坐标为置信度,散点的大小表示提升度。数据集“痹症方剂.xls“记录了治疗痹症的用药药方,请使用关联规则算法生成频繁项集,并计算关联度。(最小支持度及支持度、提升度等度量指标可自行决定。提交任务一和任务二的全部实现代码。

2024-09-16 15:30:35 1323

原创 医学数据分析实训 项目三 关联规则分析预备项目---购物车分析

【代码】医学数据分析实训 项目三 关联规则分析预备项目---购物车分析。

2024-09-16 15:20:21 559

原创 MySQL基础篇(黑马程序员2022-01-18)

MySQL数据库概述,函数 字符串函数,数值函数,日期函数,流程函数。约束, 多表查询。 事务

2024-09-16 11:00:00 2305

原创 医学数据分析实训 项目二 数据预处理预备知识(数据标准化处理,数据离差标准化处理,数据二值化处理,独热编码处理,数据PCA降维处理)

使用StandardScaler进行数据预处理。

2024-09-14 15:57:25 1400

原创 医学数据分析实训 项目二 数据预处理作业

合并数据集 “healthcare-dataset-stroke.csv” 和 “healthcare-dataset-age_abs.csv”,合并之后的数据集以 “healthcare” 命名。breast-quad乳房四象限: left_low、right_up 等表示肿瘤所在的乳房区域,分别对应左乳房下象限、右乳房上象限等。inv-nodes淋巴结受累情况: 0-2 表示受累淋巴结的数量在 0 到 2 个之间。node-caps淋巴结包膜破裂: no 表示淋巴结包膜未破裂,yes 表示包膜破裂。

2024-09-14 15:55:45 1745

原创 医学数据分析实训 项目一 医学数据采集

这是一个关于肝癌(HCC)环状RNA(circRNA)研究的表达矩阵。每一行代表一个特定的circRNA(由"ID_REF"标识),每一列代表一个样本(由GSM编号标识)。在你提供的数据集中,"ID_REF"后面的数据是基因或探针的表达值,这些值对应于不同的样本(GSM编号)。这些值可以用来分析circRNA在不同样本中的表达差异,从而研究其在肝癌发生发展中的作用。在 GEO 中检索肝癌(HCC)环状 RNA(circRNA)研究数据(图 6)。查看下载的数据集文件(图 10),并对该数据集进行解释。

2024-09-14 01:24:31 1238

原创 我在某日重新下载了idea

1,fitten code和通义灵码。2,one dark theme主题。

2024-08-24 22:29:11 320

原创 MySQL安装文档(压缩包安装 和 安装包下载) (官方文档,常见问题)

先指出MySQL官方网址,包含MySQL详细说明。官网有详细的安装教程,该文档也可以下载,以便自己研究该文档的第二章就是在各个系统安装MySQL的说明,由于官方文档较难理解,笔者在另外两本书找到了MySQL的安装教程。《python从小白到大牛》(清华大学出版社 关东升编著)和《python从小白到大牛(第二版)》这篇笔记安装部分主要就是参考这两本书来的,两本书各介绍一种安装方式。这篇笔记的卸载和问题主要来自黑马程序员的MySQL课程文档。

2024-07-18 12:11:26 1416

原创 微软的vscode和vs2022快捷键官网链接

在vscode也有一份快捷键图:https://code.visualstudio.com/shortcuts/keyboard-shortcuts-windows.pdf。

2024-07-16 23:34:45 509

原创 pygame-键盘事件

详细阅读pygame官网文档学会如何使用pygame后,阅读键盘事件文档。官方文档都是英文,且学术性较高,需硬啃下来。往下推荐一个易上手的学习网址。这个网址记录了pygame的历史和pygame的解释。以下就是一个简单的键盘事件的例子。说到新手入门网址,就不多说。用于设置窗口大小和背景色。pygame的维基文档。这里推荐我的入门老朋友。想看源码的也可以通过。

2024-07-16 15:53:06 331

原创 conda和pip使用国内镜像源

清除索引缓存,保证用的是镜像站提供的索引。有详细说明,笔者这是在官网学习到的。Windows 用户在终端执行。,在用户目录下生成了。

2024-07-16 02:20:22 1363

原创 pygame在get_rect()函数

在处理 rect 对象时,可以使用矩形的四个角及中心的 x 坐标和 y 坐标,通过设置这些值来指定矩形的位置。centerx:设置矩形中心的 x 坐标。centery:设置矩形中心的 y 坐标。midbottom:设置矩形中下点。midright:设置矩形中右点。center:设置矩形的中心点。bottom:设置矩形的下边缘。midleft:设置矩形中左点。x:设置矩形左上角的 x 坐标。y:设置矩形左上角的 y 坐标。right:设置矩形的右边缘。left:设置矩形的左边缘。top:设置矩形的上边缘。

2024-07-15 23:13:34 346

原创 python编程:从入门到实践(第三版) 笔记

对于最近1小时、1天、7天和30天的每个时段,都有一个链接列表,其中的链接指向包含不同震级以上地震的数据集。要下载最新的数据,请访问 https://www.earthdata.nasa.gov/learn/find-data/near-real-time/firms/active-fire-data。你下载的数据与16.1节处理的数据有类似的结构,但包含的文件头可能不同。然而,只要按本节介绍的步骤做,就能对你感兴趣的数据进行可视化。几分钟后,你将收到另一封邮件,其中包含用于下载数据的链接。

2024-07-15 00:19:00 1407

原创 python中设置代码格式,函数编写指南,类的编程风格,测试代码

PEP 8是最古老的PEP之一,为Python程序员提供了代码格式设置的指南。PEP 8的内容详尽,主要涉及复杂的编码结构。一旦你学会了编写整洁的Python代码,就能轻松理解他人遵循相同指南编写的代码。在学习阶段不必过于关注行长度,但在团队协作时,大家普遍遵循PEP 8的指导。花时间让代码尽可能易于阅读,这不仅有助于你理解程序的功能,也能帮助他人理解你的代码。例如,创建列表的5行代码与处理列表的3行代码间,使用一行空行分隔即可。随着你学习更高级的Python概念,我们将分享更多PEP 8的相关指南。

2024-07-11 16:32:04 443

原创 计算机操作系统常考大题: 1页表,页号,物理块号 2页面置换算法(LRU、FIFO和最佳页面置换) 3磁盘调度算法(FCFS,SSTF,SCANF) 4处理机调度(FCFS,SJF)

1页表,页号,物理块号 2页面置换算法(LRU、FIFO和最佳页面置换) 3磁盘调度算法(FCFS,SSTF,SCANF) 4处理机调度(FCFS,SJF)

2024-06-27 13:34:18 1023 2

原创 苍穹外卖笔记5 一 订单状态定时处理、来单提醒和客户催单 二 营业额统计、用户统计、订单统计和销量排名Top10三 工作台、Apache POI、导出运营数据Excel报表 四 修改密码、bug记录

是Spring框架提供的任务调度工具,可以按照约定的时间自动执行某个代码逻辑。定时任务框架定时自动执行某段Java代码为什么要在Java程序中使用Spring Task?1). 信用卡每月还款提醒2). 银行贷款每月还款提醒3). 火车票售票系统处理未支付订单4). 入职纪念日为用户发送通知只要是需要定时处理的场景都可以使用Spring TaskWebSocket 是基于 TCP 的一种新的网络协议。它实现了浏览器与服务器全双工通信——浏览器和服务器只需要完成一次握手,两者之间就可以创建持久性。

2024-06-17 02:11:26 1229

原创 苍穹外卖笔记4 微信小程序一HttpClient微信登录,商品浏览,店铺状态 二 缓存菜品套餐,购物车商品的增删查 三 地址簿功能代码、用户下单、订单支付 四 Day09用户端订单管理和商家订单管理

HttpClient 是Apache Jakarta Common 下的子项目,可以用来提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包,并且它支持 HTTP 协议最新的版本和建议。发送HTTP请求接收响应数据当我们在使用扫描支付、查看地图、获取验证码、查看天气等功能时其实,应用程序本身并未实现这些功能,都是在应用程序里访问提供这些功能的服务,访问这些服务需要发送HTTP请求,并且接收响应数据,可通过HttpClient来实现。

2024-06-09 15:18:55 930

原创 Redis教程(从入门到高阶)

Redis是一个基于内存的key-value结构数据库。Redis 是互联网技术领域使用最为广泛的存储中间件。字符串 string哈希 hash列表 list集合 set有序集合 sorted set / zsetSpring Data Redis 是 Spring 的一部分,提供了在 Spring 应用中通过简单的配置就可以访问 Redis 服务,对 Redis 底层开发包进行了高度封装。在 Spring 项目中,可以使用Spring Data Redis来简化 Redis 操作。

2024-06-08 23:48:05 1600

原创 苍穹外卖笔记3-菜品管理(分页,增删改,启用禁用)-公共字段填充-套餐管理

菜品管理-套餐管理-公共字段填充

2024-06-06 14:30:50 1131

原创 苍穹外卖笔记2-员工管理-新增员工,员工分页和查询,账号的启用和禁用,修改员工信息

员工管理-新增员工,员工分页和查询,账号的启用和禁用,修改员工信息

2024-06-06 00:31:21 980

原创 苍穹外卖笔记1-项目介绍和环境搭建,借助小乌龟创建gitee仓库,apifox代替YApi,Swagger

需求分析->设计->编码->测试->上线运维1 需求分析完成需求规格说明书、产品原型编写。需求规格说明书, 一般来说就是使用 Word 文档来描述当前项目的各个组成部分,如:系统定义、应用环境、功能规格、性能需求等,都会在文档中描述。产品原型,一般是通过网页(html)的形式展示当前的页面展示什么样的数据, 页面的布局是什么样子的,点击某个菜单,打开什么页面,点击某个按钮,出现什么效果,都可以通过产品原型看到。2 设计设计的内容包含 UI设计、数据库设计、接口设计。

2024-06-05 17:40:05 1150

原创 JavaWeb--20 SpringBoot原理

SpringBoot的自动配置就是当Spring容器启动后,一些配置类、bean对象就自动存入到了IOC容器中,不需要我们手动去声明,从而简化了开发,省去了繁琐的配置操作。比如:我们要进行事务管理、要进行AOP程序的开发,此时就不需要我们再去手动的声明这些bean对象了,我们直接使用就可以从而大大的简化程序的开发,省去了繁琐的配置操作。方案一:@ComponentScan 组件扫描方案二:@Import 导入。

2024-05-27 20:01:48 856 3

原创 JavaWeb--19 tlias-web-management 事务、AOP

AOP英文全称:Aspect Oriented Programming(面向切面编程、面向方面编程),面向切面编程就是面向特定方法编程。然而有一些业务功能执行效率比较低,执行耗时较长,我们需要针对于这些业务方法进行优化。那首先第一步就需要定位出执行耗时比较长的业务方法,再针对于业务方法再来进行优化。此时我们就需要统计当前这个项目当中每一个业务方法的执行耗时。那么统计每一个业务方法的执行耗时该怎么实现?可能多数人首先想到的就是在每一个业务方法运行之前,记录这个方法运行的开始时间。

2024-05-16 15:00:00 725

原创 JavaWeb--18 tlias-web-management 登录认证

定义了一种简洁的、自包含的格式,用于在通信双方以json数据格式安全的传输信息。由于数字签名的存在,这些信息是可靠的。JWT的组成: (JWT令牌由三个部分组成,三个部分之间使用英文的点来分割)第一部分:Header(头), 记录令牌类型、签名算法等。例如:{“alg”:“HS256”,“type”:“JWT”}第二部分:Payload(有效载荷),携带一些自定义信息、默认信息等。例如:{“id”:“1”,“username”:“Tom”}

2024-05-15 11:00:00 739

医疗保险欺诈行为分析 聚类算法 性能度量

1. 结合业务理解和分析,分别为投保人和医疗机构构建特征; 2. 对投保人和医疗机构的行为进行特征分析; 3. 通过聚类算法发现投保人和医疗机构中存在的疑似欺诈行为。 1. 抽取医疗保险的历史数据; 2. 对抽取的医疗保险的历史数据进行描述性统计分析,分析投保人信息和医疗机构信息; 3. 采用聚类算法发现投保人和医疗机构中存在的疑似欺诈行为; 4. 对疑似欺诈行为结果和聚类结果进行性能度量分析,并进行模型优化。

2024-09-23

糖尿病遗产风险预测 1. 以血糖值为目标建立模型,实现血糖预测功能; 2. 预测糖尿病遗传风险并对预测结果进行分析

训练集中包含年龄、性别、各项体检指标及目标血糖值。测试集相对于训练集缺少了对应的血糖值。训练集中包含 42个数据特征,其中 37 个为医学指标特征,数据集中的第一行为特征名称,其余每行代表一个个体。部分特征内容在部分人群中有缺失。 请将以上体检数据集进行预处理,并在处理后的数据集的基础上,结合交叉验证,运用一种基于决策树算法的梯度提升框架的 LightGBM 算法对训练集进行训练,建立预测模型,实现血糖预测功能。 分析目标 结合体检数据集,实现以下分析目标: 1. 以血糖值为目标建立模型,实现血糖预测功能; 2. 预测糖尿病遗传风险并对预测结果进行分析; 1. 使用多种评价指标对模型进行评价; 2. 根据评价效果对模型进行优化; 3. 绘制折线图分析血糖的真实值与预测值; 4. 筛选出预测数据中血糖值在正常范围内(3.9~6.1 毫摩尔 / 升)的数据; 5. 获得高血糖风险个体信息的数据;

2024-09-19

构建深度残差神经网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化,降低网络训练的难度,实现黑色素瘤的有效识别

皮肤镜图像是检查皮肤癌黑色素瘤的主要手段。本实践项目通过构建深度残差神经网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化,降低网络训练的难度,实现黑色素瘤的有效识别。 实践项目所使用的数据集由多名患者的皮肤癌组织纤维图像组成,分为训练集和预测集,每部分包含良性(benign,标签定义为1)和恶性(malignant,标签定义为0)两种。 请将皮肤癌组织显微图像进行预处理,并在处理后的数据集基础上,运用基于深度残差神经网络模型对训练集进行训练,并对测试集进行预测。

2024-09-19

继承学习 天气质量分析和预测 将数据分为训练集和测试集,通过集成学习建立算法模型预测AQI值和质量等级

继承学习 天气质量分析和预测。将数据分为训练集和测试集,通过集成学习建立算法模型预测AQI值和质量等级。

2024-09-18

python数据分析 医学数据分析 乳腺癌数据分析及自动诊断

乳腺癌数据分析及自动诊断。将从数据库选取的569条数据分为训练集和测试集,通过分类算法模型预测诊断结果,并与实际诊断结果进行对比分析,从而验证模型的有效性。

2024-09-18

python医学数据分析, k-means 算法进行聚类分析

任务一:蛋白质消费结构分析 任务二:车辆驾驶行为数据分析 使用k-means算法,高斯混合聚类算法,DBSCAN密度聚类算法单链接层次聚类算法

2024-09-17

python数据分析,医学数据分析,回归分析,帕金森病远程监测的数据集,预测其病情的严重程度

“parkinsons_updrs.data”是一个专注于帕金森病远程监测的数据集,旨在通 过远程监测设备记录并分析帕金森病患者的语音信号,以预测其病情的严重程度。 1.调用 sklearn.metrics 模块,通过均方误差(MSE)“mean_squared_error”、均方 根误差(RMSE)以及决定系数(R2) “r2_score” 对模型进行评价; 2.建立岭回归或 Lasso 回归模型,对数据集进行训练并预测; 3.通过均方误差(MSE)“mean_squared_error”、均方根误差(RMSE)以及决定系数 (R2) “r2_score” 对领回归或 Lasso 回归模型进行评价; 4.通过可视化图表对比两种模型预测结果。

2024-09-16

python数据分析,医学数据分析,关联规则分析

1. 了解关联规则算法原理; 2. 熟悉关联规则应用场景; 3. 掌握使用 Apriori算法、FP-grouth算法进行关联规则分析的方法;

2024-09-16

python数据分析,医学数据分析,数据预处理,处理医学数据源

数据标准化处理,数据离差标准化处理,数据二值化处理,独热编码处理,数据PCA降维处理

2024-09-16

Python医学数据分析,医学数据采集,采集网站,采集方法,便于探索医学数据

医学数据实训项目一(共十个项目)

2024-09-16

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除