概述 是一个Python的用于构建和分析处理带有明确评分数据的推荐系统。 设计是出于以下目的： 让用户完全控制自己的实验。 为此，我们特别强调，我们试图通过指出算法的每个细节来使其尽可能清晰和精确。 减轻的痛苦。 用户可以使用内置数据集（ ， ）和自己的自定义数据集。 提供各种现成的例如，，基于矩阵分解的（ ， ， ， ） 。 此外，还内置了各种（余弦，MSD，Pearson等）。 易于实现。 提供， 和算法性能的工具。 交叉验证过程可以使用强大的CV迭代器（受优秀的工具启发）非常容易地运行，并且。 名称SurPRISE （大致为：）代表简单Python推荐系统引擎。 请注意，惊喜不支持隐式评级或基于内容的信息。 入门示例 这是一个简单的示例，显示了如何（下载）数据集，将其拆分以进行5倍交叉验证，以及如何计算算法的MAE和RMSE。 from surprise

支持多种推荐算法，SVD, PMF, SVD++, NMF,neighborhood methods,baseline algorithms

预测钻石价格 使用scikit-learn软件包数据集来源预测钻石价格： : 目标 ： 使用给定的9个独立变量（6个数字，3个类别）来预测钻石价格（目标变量）。 数据集包含53,940个条目。 脚步 ： 导入包 EDA 分割数据 建筑模型 模型评估

资料内容包括整理的相关机器学习理论资料和实践案例，以及示例代码，还包括数据挖掘和模式识别的相关资料，另外是一些机器学习的笔记资料。

情感分析 受过Python的情感分析，并接受过Amazon西班牙评论的西班牙语培训。 请参阅我的博客以获取详细信息： 模型训练： : 应用于网页的模型： :

机器学习的作者身份归属 具有随机森林和TFIDF分数的作者身份归因 该存储库包含博客文章《 代码。 它使用随机森林模型以及TFIDF分数作为特征，在n个作者之间执行作者身份分类。 文件说明 路径 描述 作者属性 主文件夹。 └sample_data 包含作者数据的文件夹。 ├authors_folders 每个作者一个文件夹。 ├authors_article_0.txt 作者的第一篇文章。 ├authors_article_1.txt 第二篇。 ├... authors_article_n.txt ...上一篇文章。 ├attribution_model.py 作者

人脸识别 使用Scikit-learn和OpenCV简单人脸识别系统 使用pip安装依赖项 点安装scikit学习 pip安装imutils 点安装numpy pip安装opencv-python 使用以下命令运行面部识别系统 python extract_embeddings.py python train_model.py pythonogni.py -i images / image.jpg

糖尿病预测：使用Cima决策树算法和K-最近模型，根据患者的实验室测试结果变量（例如葡萄糖，血压等​​），使用Pima Indians糖尿病数据集来预测患者是否患有糖尿病。 Python-Scikit学习，SciPy，熊猫，MatPlotLib

Scikit-learn 使用手册中文版 有监督学习 广义线性模型 11.广义线性模型 英文原文 以下介绍的方法均是用于求解回归问题,其目标值预计是输入变量的一个线性组合。写成数 学语言为:假设!是预测值,则有 y(,x)=0+u1x1+.p 在本节中’称向量=(1,…,n)为ce-·、%ma%W%nma%为 intercept 若要将通用的线性模型用于分类问题,可参见 Logistic回归 1.11普通最小二乘法 Linear使用系数=(1,…,mp)拟合一个线性模型。拟合的目标是要将线性 逼近预測值(XU)和数据集中观察到的值(y)两者之差的平方和尽量降到最小。写成数学 公式即是要解决以下形式的问题 IXw-yl2 广义线性模型 LinearRegression的fit方法接受数组Ⅹ和y作为输入’将线性模型的乐数ω存在成员变

mstar_with_machine_learning 先决条件 该存储库使用python 3.6和scikit-learn API给出了带有机器学习的公共MSTAR数据集上的SAR ATR的示例。 建议直接安装Anaconda 3，它提供了numpy，matplotlib和scipy等常见软件包以及scikit-learn。 说明 该示例支持大多数机器学习方法的实现，包括逻辑回归，神经网络，支持向量机等。 为了减少计算量，它使用主成分分析来减少特征。 数据处理和模型声明分别在data.py和model.py中定义。 当然，您可以添加您自己的操作。