基于BP神经网络的数据分类预测、

基于遗传算法优化BP神经网络的数据分类预测、

基于卷积神经网络的数据分类预测、

基于随机森林算法的数据分类预测，测试集平均准确率可达96.5812%、

深度学习实现火灾检测准确率99.8%内包含数据集 适合目标检测的人学习 对于森林防火和家庭防火油重要的意义

机器学习算法复现迁移学习的例子内含数据集

深度学习算法RNN算法numpy复现内含数据集，循环神经网络（Recurrent Neural Networks, RNN）主要用于时序数据，最常见的时序数据如文章，视频等，t时刻的数据与t−1时刻的数据存在内在的联系。RNN模型能够对这样的时序数据建模。

机器学习算法案例实战（python实现） 一。 1.加载数据 用熊猫加载 2.数据探索性分析及可视化 用matplotlib和seaborn对数据的标注（结果）进行。 3.特征处理 用pandas去除无关特征 用StandardScaler对数据进行标准化 4.模型训练 用train_test_split划分训练集和测试集 选择模型：SVM，决策树，随机森林，KNN 用GridSearchCV优化模型参数 用管道管道机制定制化分类器训练流程 5.模型评估 用对不同模型进行评估， 。 二。 1.加载数据 用熊猫加载数据 数据索引说明： 时间：交易时间； 金额：交易金额； 类别：交易的分类，0表示正常（非欺诈），1表示欺诈V1，V2，……V28：出于利益，不知道这些特征代表的具体含义，只知道这28个特征值是通过PCA变换得到的结果 2.数据探索性分析及可视化 用matplotlib和sea

机器学习 05.Advice for applying machine learning 编程作业 jupyter note版本 机器学习与数据挖掘 machine learning

稀疏字典学习算法的MATLAB实现_代码_下载