此代码可用于多输入多输出的非线性拟合，应用BP神经网络结构。程序可读性高，适合用于机器学习中非线性建模，

RegDB数据集包含412个身份的8240个图像，其中206个身份用于训练，其余用于测试。每个身份有10个IR和10个RGB图像。

sklearn-matlab：使用scikit-learn语法在Matlab中进行机器学习

详细研究了深度Q-学习算法，它形成了深度Q网络（DQN）的基础这可能是当今强化学习中最具创新性的领域。这里将逐步介绍DQN，包括一些改变游戏规则的创新，如体验回放，以准确了解它们是如何帮助dqn在首次引入时实现世界一流的结果的。

防恶意软件的对抗性机器学习 呈现在Secuinside 2017 @nababora 介绍实用指南，以开发用于反恶意软件的对抗性机器模型。 我还没有使用强化模型，只是概念验证。

TensorFlow方法用python语言实现，简单入门，上手快

适用于新手进行机器学习学习的kaggle数据集

python编程资料，实用，可自行学习.除此之外还可学习机器学习算法。

负荷预测 该项目使用来自 Elia 的免费可用负载时间序列数据，旨在开发强大而准确的方法来提前一天预测 Elia 电网的平均总负载。 已经开发了四种不同的基于机器学习的算法，每种算法都可以通过运行 src 文件夹中的相应脚本来运行。 它们如下： 高斯过程回归 - gpr.py 支持向量回归 - svr.py 加权聚类 - clustering.py Sigmoidal 神经网络-neural.py 脚本所需的数据存储在 src 内的 data 文件夹中。 脚本 analysis.py 提供了可视化 Elia 加载时间序列各个方面的函数。 所有模拟都使用 Visualizer.py 中的方法显示结果预测。 有关 Elia 数据集、算法开发和预测结果的更多详细信息，请查看 writeup 文件夹中的 writeup。 信用： 感谢 Elia 提供的电力负荷数据集。 来源： :

大数据与大数据机器学习大数据与大数据机器学习