PyTorch GAN :laptop:与 :laptop: = :red_heart: 此仓库包含各种GAN架构的PyTorch实现。目的是使初学者更容易开始玩和学习GAN。 我发现的所有存储库都掩盖了某些内容，例如将某些网络层中的偏向设置为False而没有解释为什么要做出某些设计决定。此仓库使每个设计决策透明。 目录 什么是GAN？ GAN最初是由Ian Goodfellow等人提出的。在一份名为“的开创性论文中。 甘斯是一个框架，2个模型（通常为神经网络），称为发电机（G）和鉴别器（d），玩游戏极大极小彼此抵靠。生成器正在尝试学习真实数据的分布，这是我们通常感兴趣的网络。在游戏中，生成器的目的是欺骗鉴别器“思考”它生成的数据是真实的。另一方面，鉴别器的目的是正确地区分生成的（伪）图像和来自某些数据集（例如MNIST）的真实图像。 设置 git clone https://github.com/gordicaleksa/py

Simd：使用以下SIMD的C ++图像处理和机器学习库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON臂

( Pattern Recognition and Machine Learning(完整答案).pdf

本文讨论了使用机器学习进行恶意软件分类的方法，问题和解决方案。 可以相信，被释放的恶意软件的数量可能会超过权威软件的释放。 由于恶意软件每年都会变得越来越复杂，因此需要从传统方法转变为使系统自动学习。 这里的主要重点是研究机器学习方法以及它们的检测和分类问题。 说明了特征选择和高假阳性问题，并提出了解决方案。 然后将操作码，n-gram操作码，基于图像的分类技术进行比较。 这些方法将有助于清除恶意软件并将其分类到其家族中。 与常规操作码和基于图像的分类器相比，使用n-gram操作码分类时基于准确性的结果更好，但是使用集成方法结合了这两种方法的优点，例如，过拟合和FPR较低，最终结果显示出分类精度更高和提供总体上更好的恶意软件分类。

统计技术的创新引发了对跨种族和性别等类别的分布影响的担忧。 从理论上讲，随着统计技术的进步，分布结果取决于函数形式的变化如何与可观察特征的跨类别分布相互作用。 使用美国抵押贷款的详细管理数据，我们将传统 logit 和更复杂的机器学习违约预测模型的预测嵌入到一个简单的均衡信用模型中。 机器学习模型总体上略微增加了信贷供应，但增加了组间和组内的比率差异； 影响主要来自揭示默认值和可观察值之间结构关系的灵活性，而不是来自排除特征的三角测量。 我们预测黑人和西班牙裔借款人从新技术中获益的可能性要小得多。

新网银行的统计建模比赛，使用xgboost +lr模型融合，先用xgboost提取特征，再使用lr分类。

Sentiment_analysis_twitter 总览 分析表情符号在改善情感分析结果中的作用。 使用Twitter StreamAPI收集Twitter数据，并使用TF-IDF对推文进行矢量化处理。 使用矩阵创建一个正向和负向矢量，并使用余弦相似度来确定给定推文为正或负的程度。 通过转换unicode将Emoji表情合并到推文中，并重复该过程。 将过程分类提高了15％。 动机 了解人类的情感和理智向来是我的痴迷。 借助我的数据科学技能，我想了解人们如何在社交网络上表达情感，也就是情感分析。 作为一个狂热的Twitter用户，我知道限制少于140个字符如何迫使人们进行创新，以及表情符号如何

脑电图机器学习挑战 EEG 机器学习挑战赛，Python 和 MATLAB（学者项目，2015） 本次挑战的目标包括根据 30 秒的 EEG 信号确定正确的睡眠阶段（W、R、N1、N2、N3）； 数据集分别包含 10178 和 10087 个 EEG 用于训练和测试。 特征提取 首先，我编写了自己的Python脚本（参见： : ），在学校网络上应用分布式并行计算。 它将特征的计算时间除以超过 100。超过 100。 PyEEG / PyREM / MNE 感谢 PyEEG 库，我提取了这些特征： DFA：去趋势波动分析 PFD：Petrosian 分形维数 hjorth：Hjorth 移动性和复杂性 ApEn：近似熵 SampEn：样本熵（SampEn） hfd：樋口分形维数 费舍尔信息：费舍尔信息 SVD：SVD熵 bin power & bin power ratio：由

可教学机器 使用神经网络训练来区分某些对象的WEB页面。

新的： 想要将可教机器带入您自己的网站创作中吗？ 我们正在开发一个名为eachablemachine.js的库，它将使您做到这一点。 这是您可以使用的第一个可混音演示，以窥视一下可能发生的情况： 演示演示如何仅需几行代码就可以在网站顶部放置机器学习“培训向导”。 可教学机器社区 什么是可教学机？ 是一个基于Web的工具，可让每个人快速，轻松且易于访问地创建机器学习模型。 。 是给谁用的？ 教育者，艺术家，学生，创新者，各种创造者–实际上，任何有想法要探索的人。 不需要先决条件的机器学习知识。 它是如何工作的？ 您可以训练计算机来识别图像，声音和姿势，而无需编写任何机器学习代码。 然后，在您自己的项目，站点，应用程序等中使用您的模型。 该存储库是做什么用的？ 该存储库包含两个组件： 一个部分，其中包含可教学机器中使用的所有机器学习代码。 在，我们使用 （一个使用Javascr