1.链表栈队列.pdf 2.字符串.pdf 3.2数组.pdf 3.数组.pdf 4.1树.pdf 4.2树.pdf 4.3树.pdf 4.树.pdf 5.树和图.pdf 6.1排序查找.pdf 6.排序查找.pdf 7.贪心法和动态规划.pdf 8.概率组合数学pdf 9.海量数据.pdf

人工智能-机器学习-船舶动力定位系统控位能力计算算法研究与实现.pdf

机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测 离散型数据：由记录不同类别个体的数目所得到的数据，又称计数数据，所 有这些数据全部都是整数，而且不能再细分，也不能进一步提高他 们的精确度。 连续型数据：变量可以在某个范围内取任一数，即变量的取值可以是连续 的，如，长度、时间、质量值等，这类整数通常是非整数，含有小数 部分。 注：只要记住一点，离散型是区间内不可分，连续型是区间内可分 结构：特征值+目标值 特征工程是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型Python语言的机器学习工具 Scikit-learn包括许多知名的机器学习算法的实现 Scikit-learn文档完善，容易上手，丰富的API，使其在学术界颇受欢迎。 目前稳定版本0.18 准确性 特征抽取针对非连续型数据 特征抽取对文本等进行特征值化 通过特定的统计方法（数学方法）将数据转换成算法要求的数据

机器学习概述、特征工程、机器学习算法 PPT + Python运行代码 + 运行效果截图 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

机器学习算法步骤.pdf

麻雀搜索算法MATLAB程序，亲测可用，带标注

近年来，随着信息技术，计算机技术及互联网的快速发展，各个 社会领域均积累起了规模庞大的数据。随着信息系统的广泛应用，源 自古老的数据分析及统计技术，加上现代的人工智能，数据库和统计 学相关技术，研究如何充分利用大规模的数据，发掘出有用知识的数 据挖掘技术迅速发展起来。 机器学习是解决数据挖掘问题的主要方法之一。机器学习是一种 利用系统本身进行自我改进的过程，使计算机程序能随着经验的积累 自动提高性能，虽然到目前为止机器学习还不足以使计算机具备和人 类一样强大的学习能力，但针对大量特定学习任务的算法的提出，使 计算机具备了从大量数据中提取特征、发现隐含规律的能力，因此机 器学习在数据挖掘中得到了广泛应用。 本文针对两个具体的数据挖掘问题提出了基于机器学习算法的 解决方案:第一个问题为利用大量路测的移动终端接收电平信号数据 对GSM网络户外移动终端进行定位，针对这一问题，本文在过往成 果的基础上提出一种基于支持向量机和k-近邻法的三阶段定位方法， 该方法相对于以往基于机器学习的定位方法大幅提高了定位精度和 定位速度。第二个问题为利用大量用户数据对新浪微博这一特定社交 网络中的用户联系进行预

1.机器学习理论 ·随机梯度下降法(SGD)的理论分析 ·神经网络收敛性分析 2.机器学习可靠性 ·对抗样本与鲁棒性 ·其他可靠性研究 3.机器学习与算法优化 ·用算法解决机器学习问题 ·用机器学习技术设计更好的算法

PRML一书中机器学习算法的Matlab代码 matlab

本章要点 一、神经网络简介 二、MATLAB简介 三、神经网络建模基础 四、利用Microsoft SQL Server22005实践神经网络算法