神经网络实现分类matlab代码dsg_predictive_modelling 使用matlab机器学习工具箱解决蘑菇数据集的问题。 该解决方案包含在文件“solution.csv”中，该文件包含给定数据的类的预测值。 然后文件'solution_code.m'包含源代码 在这个存储库中，我已经放置了数据科学组 iitr 提供的蘑菇数据集的完整解决方案。 我已经使用深度学习来解决这个分类问题。 该存储库包含一个名为“solution_code”的文件，其中包含使用具有单个隐藏层的神经网络执行 ddep 学习过程的完整代码。 我首先分析了数据集并推断出属性 - gill-attachment 有 97.64% 的值为 'f'，veil-type 有 100% 的值为 'p'，而 veil-colour 有 97.73% 的值作为“w”提供的信息，这些信息对我们的模型没有帮助，所以我在开始时删除了它们。 然后我意识到在某些属性中，一些特定的值更多地集中在数据集的底部，而一些在顶部，因此我将它们随机分布以打破任何一种对称性。 然后我将半径和权重等数值数据类型与分类数据类型分开，并且必须分别

Metadata on ~5,000 movies from TMDb

The dataset is from 2020 China Hualu Data Lake Algorithm Competition hosted by China Hualu Group Co., Ltd.. It is not for commercial use.本数据集来源于2020年中国华录杯·数据湖算法大赛，由北京易华录信息技术股份有限公司提供，不得用于任何商业用途。 crowd image.jpg crowd image_datasets.zip

The CIFAR-10 dataset Version Size md5sum CIFAR-10 python version 163 MB c58f30108f718f92721af3b95e74349a CIFAR-10 Matlab version 175 MB 70270af85842c9e89bb428ec9976c926 CIFAR-10 binary version (suitable for C programs) 162 MB c32a1d4ab5d03f1284b67883e8d87530

使用deeplab 的箱子分割数据集

瓦瑟斯坦·甘 Wasserstein GAN（WGAN）论文的PyTorch实现。 该项目正在尝试出于教育目的复制LSUN和CIFAR10实验。 在这个项目中，我们还可以看到深度卷积生成对抗网络（DCGAN）如何演变成WGAN。 注意：DCGAN最初是使用Keras 1实现的，并迁移到了Keras 2。 Jupyter笔记本 火炬 LSUN卧室数据集 用于下载和预处理LSUN LMDB数据的脚本 火炬 CIFAR10 凯拉斯2 MNIST 预训练模型 PyTorch权重文件： 生成的图像样本 更多生成的样本

Yahoo！Answers 数据集源于 Yahoo！Answers Comprehensive Questions and Answers 1.0 的 10 个主要分类数据，每个类别分别包含 140000 个训练样本和 5000 个测试样本。 test.csv classes.txt train.csv

车辆的检测和计数在智能交通系统中具有重要作用，特别是在交通管理中。 交通问题已成为城市规划者多年来面临的最大问题。 更准确地检测移动车辆，几种计算机视觉技术，车辆计数是通过使用虚拟检测区域来完成的。 交通分析将计算每个任意时间段内某个区域内的车辆数量并对车辆进行分类。 但是移动车辆及其检测、跟踪和计数对于监控、规划和控制交通流量非常重要。 通过分析摄像机记录的交通流序列视频，结合虚拟检测器和斑点跟踪技术应用基于视频的解决方案技术，YOLO是必要的。 通过这项技术，我们将 Open CV 应用于实时视频应用。 这些方法帮助我们对移动的车辆进行检测、跟踪、计数和分类。

Predict whether a mobile ad will be clicked