压缩包内提供百度网盘下载链接，永不过期！ 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。

CAN总线脱敏数据集，包含韩国HCLR实验室所用的Car Hacking和Road两个数据集，包含的攻击模式有Fuzzy/Ddos/Spoofing等。可直接拿来做异常检测。基于该数据集的论文有Song, Hyun Min, Jiyoung Woo, and Huy Kang Kim. "In-vehicle network intrusion detection using deep convolutional neural network." Vehicular Communications 21 (2020): 100198.等，Road数据集和Car-hacking类似，但攻击种类更丰富

1490左右张已经标注好的猪的头部的图片，yolo格式

机器学习 （Machine Learning） 定义： 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数。并最终对数据进行预测和分析的一门学科。 二分类问题的基本解决思路： （1）建立假设模型（可理解为函数）。即建立一条直线，表达式为y=f(x)=W1x + W0。 则通过确定模型参数W1与W0的取值，就可以确定函数的具体位置。 （2）训练模型。利用已明确分类结果的样本数据集（称为训练集）进行训练，即函数参数的求解过程。得到参数W1与W0的最终取值，则得到最终的训练模型。 （3）进行分类判别。利用训练好的模型对待分类的数据进行分类判别，得出其属于哪一类。 多类分类问题可分为二

【机器学习】数据准备--python爬虫.doc

数据集为 txt格式，对数据集进行了严格的标记，也对数据集图片进行 统一格式的命名，方便做消融实验。 更适用于分类 目标检测部分效果不错的权重文件 在本资源的赠送部分：权重大小不到4MB 运行环境：yolov5(6.0) 权重文件说明： 格式pt yolov5 去detect.py中 替换掉 原有权重文件地址 权重文件：1. yolo-s 2. yolo-n 都带有训练结束的数据展示 特别送上： 一个检测效果不错的轻量化 手势识别权重文件，拿到即用 文件名为 “最终训练”

数据科学研讨会 这是出版的的资料库。 它包含从头到尾完成该课程所必需的所有支持项目文件。 要求和设置 要开始使用项目文件，您需要： 设定 关于数据科学研讨会 为您提供了开始从事各种数据科学项目所需的基本技能。 本书将逐步介绍数据科学项目的基本组成部分，然后将所有部分放在一起以巩固您的知识并在现实世界中应用您的知识。 您将学到什么 探索有监督学习与无监督学习之间的主要区别 使用scikit-learn和pandas库处理和分析数据 了解关键概念，例如回归，分类和聚类 探索先进的技术来提高模型的准确性 了解如何加快添加新功能的过程 简化您的机器学习工作流程以进行生产 相关工作坊 如果您发现此存储库很有用，则可能需要查看我们的其他一些研讨会标题： 应用TensorFlow和Keras研讨会

波士顿房价数据集 预测房价

注：数据集太大，可在压缩包中的数据集 html 页面中点击链接下载完整数据集。 本项目采用ASSISTments 2012 数据集， 在所有数据集中，问题通常只有一种技能，但极少数可能与两种或三种技能相关联。 它通常取决于内容创建者给出的结构。 一些研究人员通过复制将具有多种技能的记录分成多个单一技能记录。 Wilson[6]声称这种类型的数据处理可以人为地显著提高预测结果，因为这些重复行可以占到DKT模型的Assistment09数据集中大约25%的记录。 因此，为了比较的公正性，我们在所有数据集中去掉了重复和多技能重复记录。 本项目基于pandas + Matplotlib + seaborn 等工具包对学生的测试数据进行可视化统计分析，并利用学生 2012 年和2013年上半年不同类型题目的测试结果数据，构建机器学习面向，实现对学生的画像建模，以此预测 2013年下半年测试对不同类型问题的表现。 可以看出，该决策树模型的预测结果如下，可以较好的依据用户测试的行为数据（测试过的试题种类、测试时间、犹豫情况、提示次数等等），预测该学生是否能考试达标（测试准确率 > 60%）

大数据工程师路线图 数据工程师路线图 深度学习路线图 机器学习路线图 数据科学家路线图 从以下几个方面着手讲解：数据科学家、机器学习、深度学习、数据工程师以及大数据工程师。这 5 部分内容都有详细的学习路线图