股价走势预测 使用 Mahout 和 Pydoop+Scikit-learn 预测股价走势 我们网站上的详细信息： :

Python机器学习（第3版）代码存储库 第1版和第2版的代码存储库位于 和 Python机器学习，第三版。 将于2019年12月12日发布 平装本：770页发行人：Packt Publishing 英语语言 ISBN-10：1789955750 ISBN-13：978-1789955750 Kindle ASIN：B07VBLX2W7 链接 目录和代码笔记本 有用的安装和设置说明可在的找到。 请注意，这些只是本书随附的代码示例，为方便起见，我们将其上载； 请注意，如果没有公式和描述性文字，这些笔记本可能不会有用。 机器学习-使计算机能够从数据中学习[ ] 分类训练机器学习算法[

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

Python中的群智能（遗传算法，粒子群优化，模拟退火，蚁群算法，免疫算法，Python中的人工鱼群算法） 文档： : 文档： : 源代码： : 帮助我们改善scikit-opt 安装 pip install scikit-opt 对于当前的开发人员版本： git clone git@github.com:guofei9987/scikit-opt.git cd scikit-opt pip install . 特征 功能1：UDF UDF （用户定义的函数）现在可用！ 例如，您刚刚制定了一种新型的selection功能。 现在，您的selection功能如下所示： ->演示代码： # step1: define your own operator: def selection_tournament ( algorithm , tourn_size ): Fi