深度学习四大名著：Hands-On Machine Learning with Scikit-Learn and TensorFlow（《Scikit-Learn与TensorFlow机器学习实用指南》）的代码

酒评指标 在这个项目中，我为在线葡萄酒销售商构建了葡萄酒评级预测指标。 该Wine预测变量旨在显示使用wine_dataset良好的预测是可能的。 葡萄酒评级是80到100之间的一个分数，代表了葡萄酒的质量。 使用当前的功能集，随机森林分类器及其调整的参数葡萄酒等级预测器可以预测均方误差为4.9的葡萄酒质量。 该指标表明，针对客户的全自动机器学习解决方案在生产中是可行且有效的。 该预测器运行带有Docker和Luigi任务的机器学习管道。 因此，它可以在装有docker和docker-compose的任何机器上运行。 机器学习管道包括以下步骤： 下载资料 制作数据集 清理数据 提取功能

sklearn-rvm：相关矢量机（RVM）的sklearn样式实现

Python的半监督学习框架 该项目包含用于半监督学习的Python实现，并与scikit-learn兼容，包括 对比悲观似然估计（CPLE） （基于-但不等同于 ），适用于所有分类器的“安全”框架，可以产生预测概率（此处的安全意味着在标签和未标签数据上训练的模型都应不会比仅根据标签数据训练的模型差） 自我学习（自我训练），一种适用于任何分类器的幼稚半监督学习框架（使用经过训练的分类器迭代标记未标记的实例，然后在结果数据集上对其进行重新训练-参见例如 ） 半监督支持向量机（S3VM）-一种简单的scikit-learn兼容包装器，用于由Fabian Gieseke，Antti Airola，Tapio Pahikkala，Oliver Kramer开发的QN-S3VM代码（请参见 ）包含此方法用于比较 第一种方法是对的新颖扩展用于任何区分性分类器（与原始CPLE的区别在下面进行说明）。

Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow(2nd edition)

SpeakerClassifier：一种随机森林分类器，可通过语音测量预测说话者的年龄段和性别

Zeek分析工具（ZAT） ZAT Python软件包支持使用Pandas，scikit-learn和Spark处理和分析Zeek数据 安装 $ pip install zat 入门 在Raspberry Pi上安装！ 最近的改进 大日志文件的更快/更小熊猫的数据帧： 更好的熊猫数据框到矩阵（ndarray）支持：数据 从Zeek日志到Parquet的可扩展转换： 大大改进了Spark Dataframe类：从 更新/改进的笔记本： 影片介绍 为什么要ZAT？ Zeek已经拥有灵活，强大的脚本语言，为什么我应该使用ZAT？ 卸载：应该从Zeek卸载运行诸如统计，状态机，机器学习等复杂任务，以便Zeek可以专注于高效处理大量网络流量。 数据分析：我们有大量的支持类，可以帮助从原始Zeek数据过渡到Pandas，scikit-learn和Spark等软件包。 我们还提供了一些示例笔记本，这些笔记本逐步显示了如何从这里到达那里。 分析笔记本 文献资料 关于SuperCowPowers 该公司的成立是为了让其开发人员能够跟随他们对Python的热情，流数据管道并享受数据分析的乐

网络钓鱼网站检测：使用神经网络检测网络钓鱼网站的实验

Hands On Machine Learning_with_Scikit-Learn_and_TensorFlow中文版+英文版

银行营销数据集分类：银行营销数据分类