医疗保险欺诈检测 使用来自多个政府来源的数据来检测Medicare欺诈。

熊猫1.x食谱-第二版 这是出版的《 的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 畅销书《熊猫食谱》的新版本已更新为《熊猫1.x》，其中包括有关创建和测试以及探索性数据分析的新章节。 食谱是用现代的熊猫结构写的。 本书还介绍了EDA，整理数据，数据透视，时间序列计算，可视化等。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： def tweak_kag(df): na_mask = df.Q9.isna() hide_mask = df.Q9.str.startswith('I do not').fillna(False) df = df[~na_mask & ~hide_mask] 相关产品

百度机器阅读理解竞赛 3rd 解决方案 百度机器阅读理解竞赛模型核心代码的 tensorflow 实现 ，排行榜上以0.5BLEU-4+0.5ROUGE-L计为总分来排名，一个 epoch 线上成绩可达到 41+； 获得 final 第三名，最终评审得到二等奖。

在纽约市餐厅检查中识别和分析模式 一个检查纽约市五个行政区的餐馆健康检查结果数据集的项目。 我生成了各种数据的EDA可视化，并进行了统计假设检验，将餐馆等级与当地社区的财富联系起来。 我还使用Python中的地理绘图库来创建数据的色谱和热图。 数据源 纽约市卫生局提供的有关该市所有餐厅的每个健康检查结果的官方数据集。 Python包uszipcode用于收集纽约市中位数收入数据 背景资料 2019年，纽约的餐饮业包括24,000家餐厅和317,000个工作岗位-这两个数字均创历史新高。 此外，在过去十年中，餐饮业的增长率是整个城市企业增长率的两倍。 2020年的大流行以及其他许多方面极大地改变了纽约市餐饮业的规模。 该项目将仅查看完整的2017-2019日历年中的数据。 卫生部定期对这些场所中的每个场所进行健康检查，并为发现的每种卫生违规行为提供一定的分数： “ A”级：0-13分

音高景观 Python库，用于计算音乐分析的音调。 实现的方法在（请参见使用此库进行出版物时引用，下文BibTeX）中进行了描述：Lieck R，Rohrmeier M（2020） 。 在：第21届国际音乐信息检索学会会议论文集。 加拿大蒙特利尔 @inproceedings{lieckModellingHierarchicalKey2020, title = {Modelling Hierarchical Key Structure with Pitch Scapes}, booktitle = {Proceedings of the 21st International Society for Music Information Retrieval Conference}, author = {Lieck, Robert and Rohrmeier, Martin},

钙钛矿双神经元网络分类 所讨论的算法旨在使用机器学习预测策略来促进高，稳定和高效性能的双钙钛矿太阳能电池的开发。 为了优化材料成分，制定设计策略并预测DPSC的性能。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 有关如何在实时系统上部署项目的注释，请参阅部署。 先决条件 脚本中使用的软件或软件包的列表，使用前可能需要这些列表。 Python最新版本 提示-安装软件包 大熊猫 脾气暴躁的 Matplotlib 西皮 门捷列夫 斯克莱恩 凯拉斯 Helvetios-执行培训的集群 介绍 钙钛矿是具有与称为钙钛矿的钙钛氧化物（CaTiO3）的矿物相似的晶体结构的材料。 钙钛矿化合物的通式为ABX3。 其中“ A”，“ B”是不同大小的阳离子，其中A是两者中最大的阳离子，“ X”是最常作为氧化物的阴离子。 它是最丰富的结构家族之一，存在于多种具有广泛特性，

金融机器学习练习的进展 所著《 》一书中选定练习的实验解决方案 确保在您的环境中使用python setup.py install ，以便jupyter笔记本和您可能开发的其他脚本可以找到包括bars.py和snippets.py的src脚本。 其他AFML项目和资源 人们共享的其他github项目和链接也受到这本书的启发。 我想在这里收集它们，以便本着协作和思想共享的精神与他人共享。 如果您要添加的内容更多，请告诉我。 Github项目 文章链接 项目组织 ├── LICENSE ├── Makefile <- Makefile with commands like `make data` or `make train` ├── README.md <- The top-level README for developers using this p

yelp-reviews-NLP 关于数据集Yelp评论的NLP

模仿学习赛车 这个精益的存储库具有从头开始训练和评估赛车Tensorflow模型所需的所有工具！ 实际上，仅需5集（不到5分钟）即可生成足够的数据以使模型能够胜任！ 注意：上面显示的游戏玩法是在5集训练模型后得出的。 使用更多的训练数据，它可以表现得更好！ 此外，它还具有像素化功能，因此您可以看到模型在播放时所看到的效果（96 x 96）。

领域自适应深度网络压缩 提供ICCV 2017 ，可在找到海报。 也可以使用。 如何运行tensorflow代码 该示例是在简单的非域转移简单实验上完成的。 我们在MNIST数据集上从头开始训练LeNet网络，然后使用SVD基线或我们提出的DALR方法压缩网络。 示例代码在jupyter笔记本中给出。 cd code/tensorflow jupyter notebook Experiment_LeNet_MNIST.ipynb 如何运行Matlab代码 可以从下载示例网络，然后将其复制到新文件夹“ nets /”。 mkdir nets cd nets wget http://mmasana.foracoffee.org/DALR_ICCV_2017/birds_vgg19_net.mat 然后，可以通过在MatLab终端上调用“ mainScript_compress_DALR.m