面部吸引力预测
这是使用地标特征和gabor过滤器预测面部吸引力的存储库。
从以下获得的功能：
面部距离
面部比例
伽柏滤波器
如何运行：
首先必须通过运行generate_features.py生成所有功能
然后，您可以通过运行train.py来训练自己的模型
您可以通过运行demo.py对单个图像进行测试（在开头给出路径）
所需的库：Dlib，OpenCV，numpy，scipy，sklearn，imutils
验证结果：
演示：
请参阅下载整个数据集。
2022-04-15 13:59:31
1.24MB
1
健身房
基于OpenAI Gym的多代理环境的集合。
安装
使用PyPI：
pip install ma-gym
直接从来源：
git clone https://github.com/koulanurag/ma-gym.git
cd ma-gym
pip install -e .
参考：
如果您想引用它，请使用此bibtex：
@misc{magym,
author = {Koul, Anurag},
title = {ma-gym: Collection of multi-agent environments based on OpenAI gym.},
year = {2019},
publisher = {GitHub},
journal = {GitHub repository},
howpublish
2022-04-15 10:53:07
1.41MB
1
flask-demo
基于flask框架的使用神经网络模型识别过滤垃圾短信的Demo
快速起步
若提示缺少lib，pip install 对应的包即可
1.环境&技术
运行环境：Anaconda
后台框架：Flask
前端框架：Bootstrap
前端插件：
2.运行
python run.py
默认项目访问路径为
3.预览
感谢
感谢《Flask Web Development: Developing Web Applications with Python》一书，感谢提供了很棒的bootstrap-fileinput插件。
不足
对结果的展示不太好，无法和具体的垃圾短信一一对应，只用了g对象存储结果。
2022-04-14 22:35:07
78.11MB
1
深度集群：方法和实施调查论文会议代码深度学习集群调查：从网络架构的角度来看IEEE ACCESS 2018深度集群：方法和实施调查报告会议代码A深度学习集群的调查：从网络的角度带有深度学习的体系结构IEEE ACCESS 2018聚类：分类和新方法Arxiv 2018 Theano预印纸方法会议代码可区分的具有集群大小约束的深度聚类-Arxiv 2019-N2D：（不是太）通过聚类自动编码的本地流形进行深度聚类嵌入。
N2D Arxiv 2019张量
2022-04-14 15:49:48
6KB
1
《Neural Networks and Deep Learning》代码，从ｇｉｔ上面偷来的，需要的自行下载，只改了第一个ｍｎｉｓｔ＿ｌｏｄｅｒ和ｎｅｔｗｏｒｋ，其他的有时间再改
2022-04-14 14:00:40
18.09MB
1
DoWhy是一个Python库，可轻松估算因果关系。
DoWhy基于用于因果推理的统一语言，结合了因果图形模型和潜在结果框架。
为什么
使因果推理变得容易Amit Sharma，埃姆雷·基西曼（Emre Kiciman）阅读文档|
在线尝试！
博客文章：DoWhy简介|
使用Do-sampler由于计算系统越来越频繁地并更加积极地介入社会关键领域，例如医疗保健，教育和治理，因此正确预测和理解这些干预措施的因果关系至关重要。
没有A / B测试，基于模式识别和相关性的传统机器学习方法
2022-04-13 22:57:33
2.77MB
1
Python中的轨迹分析和分类（Pandas和Scikit Learn）
一项针对数据挖掘研究生课程的大学项目。
给我们一个trainset，其中地理点与时间间隔成对。 首先，我们清理数据集，然后形成轨迹（具有相应的路线ID）。 本部分的最后一步是根据_their的total_distance和最大距离（它们的两个点之间）过滤掉一些轨迹。
该项目的目标首先是计算test_set_a1 / a2.csv和train_set.csv的轨迹之间的轨迹相似度。
用于该算法的算法是：
快速动态时间规整（Fast-DTW） ，取自
我实现的最长公共子序列算法。
每次考虑的距离是点的Haver
2022-04-13 21:36:53
24.33MB
1