非负矩阵划分matlab代码NMF-ML 多层非负矩阵分解 MATLAB 实现。 该算法在 中描述。 您可以自由使用代码。 请通过引用承认。 要安装，请将 (git clone) 克隆到一个新目录中。 您可以通过更改到该目录并运行 basic_test.m 在 MATLAB 中对其进行测试，其中还显示了一个基本用例。 享受！

使用Python负责任的机器学习 训练可解释机器学习（ML）模型，解释ML模型以及调试ML模型的准确性，辨别力和安全性的技术示例。 概述 随着越来越多的经济体接受自动化和数据驱动的决策，使用人工智能（AI）和ML模型可能会变得越来越普遍。 尽管这些预测系统可能非常准确，但它们常常是难以理解且不受欢迎的黑匣子，它们仅产生数字预测，而没有附带的解释。 不幸的是，最近的研究和最近的事件引起了人们对脆弱的AI和ML系统中数学和社会学缺陷的关注，但是从业人员通常没有正确的工具来撬开ML模型并对其进行调试。 本系列笔记本介绍了几种方法，这些方法可以提高ML模型的透明度，责任感和可信赖性。 如果您是数据科学家或分析师，并且想要训练准确，可解释的ML模型，向您的客户或经理解释ML模型，测试这些模型的安全漏洞或社会歧视，或者您担心文档，验证或法规方面的问题要求，那么本系列Jupyter笔记本非常适合您！ （

FloodPredictionUsingSocialMedia_ML_model 这是一种机器学习模型，可以预测哈里斯县和休斯顿其他地区的洪水。 将使用神经网络来构建模型，以预测地图上给定区域中的洪水报告以及几个高风险关键区域。 有关洪水的推文将使用推特api进行挖掘，以与该机器学习模型一起使用。

买或卖 Flask Web App-ML股票价格预测

BARK-ML-自动驾驶的机器学习 BARK-ML为多种情况提供了易于使用的环境，例如高速公路驾驶，合并和交叉路口。 此外，BARK-ML集成了最先进的机器学习库，以学习自动驾驶汽车的驾驶行为。 BARK-ML支持的机器学习库： （计划中） 体育馆环境 在运行示例之前，请安装虚拟python环境（ bash utils/install.sh ）并输入它（ source utils/dev_into.sh ）。 连续环境： bazel run //examples:continuous_env 可用环境： highway-v0 ：连续的高速公路环境 highway-v1 ：离散高速公路环境 merging-v0 ：持续合并环境 merging-v1 ：离散合并环境 intersection-v0 ：连续交集环境 intersection-v1 ：离散交集环境 特工 TF-Agent

人脸图像特征提取matlab代码ML_Internship_project_Cosmic-Skills 介绍： 您好，我叫Abhishek kakati，目前是Guwahati GIMT的一年级CSE本科生。 我是Cosmic Skills的暑期实习生，参加机器学习课程。 这是一个很棒的课程，因此，在项目完成后，现在是提交项目的时间。 对于项目，我在将代码文件转换为.rar格式时遇到问题，因此我决定创建此存储库并在邮件中共享连续项目的链接。 列出项目： 1.字符识别项目 2.人脸识别项目 3.推荐系统项目 4，物种识别项目 项目内容和资料： 1.字符识别项目- 项目内容详细信息- 项目名称：字符识别项目 项目的目的：该项目的目的是开发一种将图像作为输入并从中提取字符（字母，数字，符号）的工具。 图像可以是手写文档或打印文档。 它可以用作打印记录中数据输入的一种形式。 开发该项目所需的工具：该项目基于机器学习，我们可以提供许多数据集作为软件工具的输入，这些数据将被机器识别并从中获取相似的模式。 我们可以将Matlab或Octave用作此产品的构建工具，但建议Octave处于初始状态，因为

A practical introduction to the world of machine learning and image processing using OpenCV and Python

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。

使用机器学习模型预测NBA结果 该的目的是为我的实验中获得的结果提供可视界面。 我试图预测从2021年3月31日起的NBA比赛结果。 为此，我将使用两个机器学习模型，一个逻辑回归模型和一个带有线性核的支持向量机。 直到3月31日，NBA总共踢了695场比赛。 由于大流行，今年的赛程表发生了变化，因此每支球队只能参加72场比赛，而不是通常的82场比赛。 因此，常规赛总共将有1080场比赛。 这个想法是用这695个游戏（约占65％）训练模型，并对其余游戏进行“实时测试”，每天更新预测和结果。 为了进行培训，我使用了3月31日之前所有NBA游戏的数据。多亏了nbastatR软件包，我才能够轻松抓取boxscore数据和其他统计信息。 我转换了数据并实现了功能，以计算最近10场比赛的球队统计数据的移动平均值，并计算ELO评分（有关ELO评分的详细信息，请参见和）。 因此，训练数据集包含48个列

多用户MIMO-OFDM系统中基于ML检测器的资源分配研究，毛静，陈晨，本文针对最大似然（ML）检测器,研究了多用户大规模输入输出－正交频分复用技术（MIMO-OFDM）系统中的子载波和功率分配算法。在满足系