光敏三极管与普通三极管有何异同？ 江苏开放大学 341 0 领5金币 问题反馈 反馈回复 推广有佣金 内容查看查看价格2 元VIP免费升级VIP立即购买申请退款 看广告免费获取 点点赞赏，手留余香 给TA打赏 0 猜你喜欢 用圆命令、多边形命令、直线命令、圆角命令、修剪命令等绘制下方图形。图的背景为黑色，无需尺寸标注，需设置中心线和轮廓线图层。轮廓线图层必须设置宽度并显示宽度。请绘制简易框格写上姓名截图上传。上传附件者零分处理。（图层5分；正六边形5分；切线和圆角5分；其它5分） 2024-01-22 江苏开放大学中国舞蹈史概论第一次作业 2023-12-16 江苏开放大学中国舞蹈史概论综合大作业 2023-12-16 老旧小区改造和老百姓的生活质量息息相关，社区居民人居环境的改善成为社区建设、城市更新中的重要工作内容，也是社区环境建设、城市发展转型的有力促进点。 我们将把社区治理理论应用于“老旧小区改造”实际工作中，请在学习第五单元“老旧小区改造”微课的基础上，结合案例探讨以下三个问题： 1、 “老旧小区改造”治理工作中的主体及各治理主体的主要工作内容？ 2、 老旧小区改造中的主要困境及治理经验。 首先我们看一个案例： 江苏省南通市崇川区是南通的主城区，现有小区751个，其中2000年之前建造的老旧小区251个，总建筑面积1080.6万平方米，住宅楼3896幢，涉及居民13.13万户。自2020年开始全区启动老旧小区改造项目，11个老旧小区改造项目基本完成，取得了较为显著的成效。 易家桥壹号院作为首批改造的11个老旧小区之一，精心改造后，小区焕然一新，彻底刷新了市民对老旧小区没有物业、开放式、停车困难、卫生环境差、公共设施老旧缺失等印象，成了南通“老旧小区变花园洋房”的网红小区。小区所在街道城建办相关负责人介绍，此次改造主要针对建筑本身的屋顶防水隔热、外立面、雨污水管分流；统一风格设计，违章拆除后底楼院子统一规划、外墙风格符合所在区域商圈整体风格；公共基础设施配套建设，高低压线下地、小区内部道路拓宽改造、停车位改造、智慧车库等。 但是在改造整个过程中，改造工作的开展其实遇到了很多阻力。初期，由于工作缺乏人手、管理沟通渠道闭塞、治理手段不合理，小区居民间公共卫生矛盾、违章搭建利益冲突等使得居民对老旧小区改造工作初期不信任、不配合。工作推进过程中，在环境、房屋改造的规划和具体施工等工作方面越来越多的问题和矛盾随之凸显。老旧小区改造后，需要建立健全长期维护和运营管理机制，保持改造后的效果。易家桥壹号院小区居民改造后对物业公司进驻收取物业费、通过道闸管理小区车辆等问题也产生了异议，甚至激发了一些矛盾。为此，社区组织了协商议事会，针对此次小区改造进展、面临困难，区政协委员、壹号院物业公司代表、群众代表纷纷交流想法，就“加强老小区改造后长效管理”建言献策。 2023-10-10 2025年春江苏开放大学素描060914运用透视原理画几何体 3周前 使用 SciPy 提供的普通最小二乘法分别计算 3 个特征与目标之间的一元线性回归模型拟合参数。 加载数据集 import pandas as pd data = pd.read_csv( ‘http://labfile.oss.aliyuncs.com/courses/1211/Advertising.csv’, index_col=0) data.head() 数据集包含 4 列，共 200 行。每个样本代表某超市销售相应单位件商品所需要支出的广告费用。以第一行为例，表示该超市平均销售 22.1 件商品，需要支出的电视广告费用，广播广告费用以及报刊广告费用为：230.1 美元，37.8 美元和 69.2 美元。将前 3 列视作特征，最后一列视作目标值。 计算拟合参数 import numpy as np from scipy.optimize import leastsq ### 代码开始 ### (≈ 10 行代码) m=2 def func(w, x): return w[0]+w[1]*x def err_func(w, x, y): return y-func(w, x) params_tv = leastsq(err_func,[1, 1], args=(data[‘tv’], data[‘sales’])) params_radio = leastsq(err_func,[1, 1], args=(data[‘radio’], data[‘sales’])) params_newspaper = leastsq(err_func,[1, 1], args=(data[‘newspaper’], data[‘sales’])) ### 代码结束 ### 输出： (array([7.03259358, 0.04753664]), array([9.3116381 , 0.20249578]), array([12.35140707, 0.0546931 ])) 拟合结果绘图 from matplotlib import pyplot as plt %matplotlib inline ### 代码开始 ### (≈ 10 行代码) fig, axes=plt.subplots(1, 3, figsize=(20,5)) axes[0].scatter(data[‘tv’], data[‘sales’]) axes[0].plot(data[‘tv’], func(params_tv[0], data[‘tv’]), color=’red’) axes[0].set_xlabel(‘tv’) axes[0].set_ylabel(‘sales’) axes[1].scatter(data[‘radio’], data[‘sales’]) axes[1].plot(data[‘radio’], func(params_radio[0], data[‘radio’]), color=’red’) axes[1].set_xlabel(‘radio’) axes[1].set_ylabel(‘sales’) axes[2].scatter(data[‘newspaper’], data[‘sales’]) axes[2].plot(data[‘newspaper’], func(params_newspaper[0], data[‘newspaper’]), color=’red’) axes[2].set_xlabel(‘newspaper’) axes[2].set_ylabel(‘sales’) ### 代码结束 ### （1）请给出拟合结果绘图（10分） 多元线性回归模型 使用 scikit-learn 提供的线性回归方法建立由 3 个特征与目标组成的多元线性回归模型。 计算拟合参数 from sklearn.linear_model import LinearRegression ### 代码开始 ### (≈ 4 行代码) model = LinearRegression() model.fit(data[[‘tv’, ‘radio’, ‘newspaper’]], data[‘sales’]) ### 代码结束 ### model.coef_, model.intercept_ # 返回模型自变量系数和截距项 输出： (array([ 0.04576465, 0.18853002, -0.00103749]), 2.9388893694594103) 模型检验 使用 statsmodels 库提供的相关方法来完成上面多元回归模型的拟合优度检验和变量显著性检验。 import statsmodels.api as sm x=sm.add_constant(data[[‘tv’, ‘radio’, ‘newspaper’]]) model=sm.OLS(endog=data[‘sales’], exog=x) results=model.fit() ### 代码结束 ### results.summary2() # 输出模型摘要 （2）给出模型输出结果（10分） （3）对上述实验结果进行分析（10分） 2023-12-09 评论0 请先 登录
评论0