网球预报员 一个使用对数回归来预测网球比赛结果的网络应用程序。 使用 Python 的 Scikit-learn 包和 Flask 构建

客户流失预测：用于预测电信公司客户流失的机器学习实现

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

kmodes：k模式和k原型聚类算法的Python实现，用于聚类分类数据

Fake_News_Detection：使用Scikitlearn进行虚假新闻检测的机器学习方法

基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。 使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。 记录每个梅尔频率下的功率对数。

GMM_Digital_Voice_Recognition 基于GMM与MFCC特征进行数字0-9的语音识别，GMM，MFCC，语音识别，中文数据，sklearn，scikit-learn，数字语音识别。 预安装 conda create -n GMM -c anaconda python=3.6 numpy pyaudio scipy #也可以使用pip conda activate GMM pip install -r requirements.txt 数据链接： ://pan.baidu.com/s/124TiAs8m7Ioa2_3dUrxGSg提取码：xsfe 以下命令假设下载

该存储库包含一个软件框架，用于使用多模式MRI和来自三个可公开获得的数据集 ， 和PET数据对阿尔茨海默氏病（AD）进行自动分类的可重现机器学习实验。 它由开发。 在目录中，有数据转换，预处理和分类任务的示例，这些示例说明了如何使用的不同功能。 此代码依赖于Clinica的最新发行版本。 如果您有兴趣访问包含使用Clinica的实验代码和我们的论文结果的代码库，请转到相应论文的分支： 引用这项工作 如果您使用此软件，请引用： J.Samper-Gonzalez，N.Burgos，S.Bottani，S.Fontanella，P.Lu，A.Marcoux，A.Routier，J.Guill

NBA比赛结果得分预测 Latif Atci和Berkay Yalcin 这是什么？ 这是一个预测NBA比赛结果并预测每个季度得分的项目。 该项目的细节 我们收集了2012年至今的NBA比赛数据。 然后，我们分析了数据并进行了特征工程。 我们为每个季度的得分，半场得分，最终得分和比赛结果概率建立了11个模型。 先决条件：

葡萄酒品质 使用来自kaggle的数据集进行葡萄酒质量预测。