Unity ML-Agents工具包 （）（） Unity Machine Learning Agents工具包（ML-Agents）是一个开放源代码项目，使游戏和模拟能够用作训练智能代理的环境。 我们提供最新算法的实现（基于PyTorch），使游戏开发人员和业余爱好者可以轻松地训练2D，3D和VR / AR游戏的智能代理。 研究人员还可以使用提供的易于使用的Python API通过强化学习，模仿学习，神经进化或任何其他方法来训练Agent。 这些训练有素的代理可以用于多种目的，包括控制NPC行为（在多种设置下，例如多代理和对抗），自动测试游戏版本并评估预发布的不同游戏设计决策。 ML-A

使用 Azure 机器学习和 R 探索和分析 UCI 德国信用数据的 R 代码 此存储库包含R代码，用于使用和R探索和分析。

贝叶斯网络matlab代码ML-SGHMC 纸张的实验代码： Chen Tianqi Chen，Emily B. Fox，Carlos Guestrin“随机梯度哈密顿蒙特卡洛” ICML 2014 资讯： arxiv链接： matlab：包含用于模拟实验的脚本 bayesnn：包含贝叶斯神经网络的numpy实现 MF：包含使用SGHMC的贝叶斯矩阵分解的C ++实现

微信小程序知识实战-小程序源代码

心脏疾病分类器 使用多种ML算法（包括神经网络）的心脏病分类器！

端到端ML房屋价格预测 一个端到端的机器学习项目，用于预测加利福尼亚的房价。 从头到尾构建机器学习项目的所有必需阶段。 它在机器学习项目中考虑以下“ HOWS”： 获取数据 可视化并从发现中获取意义 准备不同的机器学习算法 如何选择和训练模型 如何微调模型 如何保存模型 它在两者之间给出了一些说明，以在Jupyter笔记本中提供一些说明。 使用的数据集是housing.csv Jupter笔记本电脑是端到端的ML_外壳 致谢：Aurelien Geron

ML菜谱 由@ 5x12制作 信息 ML-Cookbook是一个包含监督学习算法模板的存储库。 如下面的“算法列表”所示，通过回归和分类将算法划分。 如何使用 每种算法均在Jupyter Notebook中按适当的说明分为不同的部分。 除数据输入和输入/目标变量定义外，无需调整任何部分。 请注意，所有算法都以一个数据集为例。 因此，在某些算法中，在这种情况下合适或适当的输入变量和目标变量的质量可能非常低。 算法清单 分类 神经网络分类器 线性支持向量机（LSVM） 逻辑回归 多类别分类 内核支持向量机（SVM） 决策树 朴素贝叶斯分类器 随机森林 回归 神经网络回归器 岭回归 套索回归 多项式回归 线性回归

51CTO上的唐宇迪课程教程下载 机器学习课程 python入门基础

一门面向所有人的人工智能公开课。 对初学者来说，有没有易于上手，使用流行神经网络框架进行教学的深度学习课程？近日，麻省理工学院（MIT）正式开源了在线介绍性课程「MIT 6.S191：深度学习入门」。该课程包括一系列有关神经网络及其在序列建模、计算机视觉、生成模型和强化学习等方面的基本应用知识。 课程链接：http://introtodeeplearning.com/ 课程视频：https://www.youtube.com/watch?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI&v=JN6H4rQvwgY 课程 GitHub：https://github.com/aamini/introtodeeplearning_labs 具体介绍可参考：https://www.jiqizhixin.com/articles/MIT-6-s191-introduction-to-deep-learning http://introtodeeplearning.com/

基本ML算法 最近邻居 逻辑回归 线性回归 朴素贝叶斯 K均值聚类