叶识别 一个用于从叶子图像识别物种的python桌面应用程序。 使用图像处理和机器学习的概念。 它分为以下7种 槭树 雪松杜达拉 紫荆 柑桔 银杏叶 鹅掌 夹竹桃夹竹桃 要运行项目，请运行Executioner.py 有关更多详细信息，请参阅Project Details.pdf

销售预测项目 该项目分析了在各个商店出售的食品的销售预测。 目的是帮助零售商了解在增加销售中起关键作用的产品和商店的属性。 目标： 探索性数据分析 数据清理 数据可视化 建立机器学习模型 随机森林 提供建议 数据清理 我使用python加载了数据集并导入了库，Pandas和Numpy，以开始探索数据。 前几个步骤需要验证数据类型并检查语法错误。 尽管所有数据类型都是一致的，但两列中缺少值。 在继续之前，Item_Fat_Content列中的语法存在一些需要更改的不一致之处。 例如，字符串是“ LF”，“ reg”，“ low fat”，需要将其映射到“ Low Fat”或“ Regular”下的字典中。 现在我们可以继续处理遗漏的值。 “ Outlet_Size”和“ Outlet_Type”中缺少值。 在填写缺失值之前，我创建了一个No Flag列，以防万一我想检查输入的值如何影响

Scikit学习教程 一组用于scikit学习自学习的示例。 工作正在进行中... 本教程正在创建中。 还没结束 如何衡量模型性能 标准指标精度，召回率，F1指标- 该示例显示了如何计算基本分类器度量值，例如精度，召回率，f1 文件： 精确召回曲线 示例说明了如何在理想的随机情况下解释精确调用曲线。 如果两个模型的曲线看起来相似该怎么办。 文件： 开发环境 python> 3.6 吹牛 sklearn> 0.21.3

时间序列分析-机器学习模型 时间序列分析-未来7个月的飞机乘客预测

公司做图像识别，本人开发的模型标注工具。使用画板进行渲染标注，是学习画板不错的例子，也可以用来对深度学习样本进行标注，具体需求大家根据实际情况可做调整更改。 软件特色（1.0版本）： 1.多分类管理 2.拖放图片自动复制整理并序列命名 3.标注结果自动保存 4.实时预览标注矩阵与核心点等信息（应公司大佬要求，本标注工具核心点并不是重心点，使用的朋友需要根据实际情况修改，代码中已经给了注释） 5.根据图像明暗程度自动标注（稳定性有待考量，尝试后期引入分水岭算法） 6.实时显示鼠标位置与标注坐标位置 7.内置多种位图算法，二值化，灰度，降噪，保留主体等，方便图像处理 8.更多功能自行发现 同事在使用过程中出现了一些大大小小的需求 3.0版本 更新内容如下: 1.可以更改不同类型的标注颜色 2.可以通过按钮导入图片 3.自动更改注册表，解决一些win10无法拖动的问题 4.批量合并分类并重名的导出文件 5.增加子物体标注 6.优化界面布局 7.增加鼠标中键拖动图片 8.支持标注各种尺寸图片

1、机器学习sklearn框架知识点，pandas与numpy大全 3、了解机器的核心原理和算法理论 4、应用场景:数据挖掘，预测、分类、推荐算法 5、特点:简化框架及代码思想，言简意赅 6、适用人群:想学习机器学习的初学者 7、使用/学习说明:在学习的过程要结合sklearn核心原理与内容需求分析和方案设计，在实践中不断提升

频谱感应：利用机器学习模型在认知无线电中进行频谱感应

人工智能+实验+Azure机器学习模型搭建.doc

FastAPI 该存储库说明了如何使用FastAPI创建微服务 以下链接提供了完整的说明： #######创建Python虚拟环境并按如下所示安装所有依赖项###### 使用以下命令创建venv：python -m venv venvname 激活venv：venvname \ Scripts \ Activate 安装依赖项：pip install -r requirements.txt 使用以下命令运行：uvicorn main：app --reload

操场 Playground是一个简化的应用程序，可让您修改浏览器中的机器学习模型。 这个程序的灵感来自于伟大的Tensorflow。 唯一的区别是它解决了经典的机器学习模型 演示版 就 它是如何工作的 ？ :card_index_dividers: 您可以从预定义列表中选择并配置数据集。 您可以设置： 样品数 火车上的噪音和测试数据 :gear: 您选择一个模型，并为其设置超参数。 您可以从以下模型中选择模型：逻辑回归，决策树，随机森林，梯度提升，神经网络，朴素贝叶斯，KNN和SVM :chart_decreasing: 该应用程序会自动显示以下结果： 模型在火车和测试数据上的决策边界 训练和测试数据的性能指标（准确性和F1分数） 模型训练所需的时间 生成的python脚本，用于基于数据集定义和模型超参数来重现模型 对于每种模型，游乐场都提供了指向官方文档的链接以及提示列表。 加分点：该应用程序还提供通过添加多项式特征来执行特征工程的功能。 事实证明，