星涅爱别离

2020年1月30日

摘要： conda install -c menpo opencv3 阅读全文

posted @ 2020-01-30 20:45 星涅爱别离阅读(137) 评论(0) 推荐(0)

摘要：最近疫情呆在家中不敢走动，看看有什么游戏，发现了这个battleship 玩了几把ing有意思，找来代码，发现还挺自嗨做了较大的变化在：加入语音功能加入虚拟盲猜对手大家一起无聊无聊 """ codecademy上给的代码简单很多 """ from random import randint 阅读全文

posted @ 2020-01-30 20:44 星涅爱别离阅读(315) 评论(0) 推荐(0)

2020年1月29日

google下载安装油猴

摘要： Tampermonkey 俗称“油猴子”，它其实是一个脚本引擎，它提供了脚本安装、标签中的脚本运行状况速览、自动更新检查等管理功能。它可以自由定制网页，实现你想要的各种功能：比如去除网页弹窗贴边广告，突破下载网盘文件限速，破解某些VIP的限制这些都是他的强大功能所在。比如你想要定制某一个功能，那么你阅读全文

posted @ 2020-01-29 22:36 星涅爱别离阅读(860) 评论(0) 推荐(0)

2020年1月28日

【官方无解】pycharm 无法调用摄像头权限问题

摘要：这个是软件方的问题，所以暂时看这篇网友的解答吧貌似可以用 https://blog.csdn.net/DerrickRose25/article/details/102997685 另外网上说的修改Info.plist还是没说明白最后放到哪一个目录下面 https://blog.csdn.net/i 阅读全文

posted @ 2020-01-28 20:23 星涅爱别离阅读(1534) 评论(0) 推荐(0)

Mac anaconda 在terminal中fbprophet安装过程

摘要：首先要安装好conda install pystan 再安装pip install fbprohet 调试的时候报错一：cannot import name 'easter' from 'holidays' holiday版本过高（将版本下载） pip install holidays==0.9.8 阅读全文

posted @ 2020-01-28 19:26 星涅爱别离阅读(1631) 评论(2) 推荐(1)

2020年1月27日

Mac+anaconda 的opencv安装--我开始信仰brew大法

摘要：累了，不想发失败的那些截图了讲一下我的实现方法：先安装好brew 输入 brew install opencv 等待所有的下成功，没有成功就反复上面这个代码，最好有线网络（不用科学）找到brew专用的“酒窖”celler 找到cv2.cpython-37m-darwin.so(基本类似的名字) 阅读全文

posted @ 2020-01-27 23:08 星涅爱别离阅读(1600) 评论(0) 推荐(0)

2020年1月24日

如何预测股票分析--长短期记忆网络(LSTM)

摘要：在上一篇中，我们回顾了先知的方法，但是在这个案例中表现也不是特别突出，今天介绍的是著名的l s t m算法，在时间序列中解决了传统r n n算法梯度消失问题的的它这一次还会有令人杰出的表现吗？长短期记忆(Long Short-Term Memory) 是具有长期记忆能力的一种时间递归神经网络(Re 阅读全文

posted @ 2020-01-24 21:12 星涅爱别离阅读(1863) 评论(0) 推荐(0)

如何预测股票分析--先知（Prophet）

摘要：在上一篇中，我们探讨了自动ARIMA，但是好像表现的还是不够完善，接下来看看先知的力量！先知（Prophet）有许多时间序列技术可以用在股票预测数据集上，但是大多数技术在拟合模型之前需要大量的数据预处理。Prophet（先知）由Facebook设计和开发，是一个时间序列预测库，不需要数据预处理，阅读全文

posted @ 2020-01-24 15:19 星涅爱别离阅读(2600) 评论(0) 推荐(0)

如何预测股票分析--自动ARIMA

摘要：在上一篇中，我们发现knn和线性回归一样，表现的不是特别好，来看看时间序列的表现时间序列预测法其实是一种回归预测方法，属于定量预测，其基本原理是;一方面承认事物发展的延续性，运用过去时间序列的数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到偶然因素影响而产生的随机性，为了消除随机波动的影阅读全文

posted @ 2020-01-24 15:00 星涅爱别离阅读(1833) 评论(0) 推荐(0)

如何预测股票分析--k-近邻

摘要：在上一篇中，我们学习了线性回归，这一次来看看k近邻的表现 K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属阅读全文

posted @ 2020-01-24 14:39 星涅爱别离阅读(1055) 评论(0) 推荐(0)

选择远方 ,风雨兼程 U Can Do This All Day！！

公告