Python备忘单 这个代表越来越多的Python速查表清单。 发现错别字或有建议吗？ 分叉，做出贡献并根据您的口味进行调整！ 目前包括： 安装 如果要单独安装软件包，请进入相应的.md文件以获取有关如何安装的说明。 从项目根目录： 通过点： $ pip install -r requirements.txt 通过Anaconda： $ conda install --yes --file requirements.txt 这会将所有软件包安装到您的环境中。 未来的补充： 基本的Python语法 （大概）熊猫 PyBind

twitter_sentiment_bert_scikit Twitter美国航空数据集情感分析（情感分析），使用Bert句子编码作为特征，实现了SVM，XGBoost，RandomForest（随机森林）等多个分类算法，从而进行了交叉验证。 数据来自 预安装 我们在Python 3环境中运行该项目，建议您使用Anaconda 3通过以下脚本安装所需的软件包。 当然，您可以使用pip进行安装。 conda create -n tweet_sentiment -c anaconda python=3.7 numpy scikit-learn xgboost pandas tensorflo

由于疫情影响在家用win10安装pycharm，但是老是出现指定程序找不到xx.dll，因此按照网上的教程下载，但还是出现该问题，后来更换低版本的scipy就可以了。我使用的是numpy-1.17.5+mkl-cp35-cp35m-win_amd64.whl和scipy-1.2.3-cp35-cp35m-win_amd64.whl和scikit_learn-0.22.1-cp35-cp35m-win_amd64.whl，在官网上下载较慢，且注意安装顺序（官网上说的，就按照上面出现的顺序安装）。

基于 TensorFlow、Keras 和 scikit-learn，介绍了 21 个典型的人工智能应用场景。 这些应用场景被分类为预测类项目实战、识别类项目实战和生成类项目实战。 其中预测类项目包括房价预测、泰坦尼克号生还预测、共享单车使用情况预测、福彩 3D 中奖预测、股票走势预测等 8 个项目； 识别类项目包括数字识别、人脸识别、表情识别、人体姿态识别等 7 个项目； 生成类项目包括看图写话、生成电视剧剧本、风格迁移、生成人脸等 6 个项目; 适合新手下载。

本文来自于csdn，本文章主要是对真实数据进行实战，手把手带你走一遍使用机器学习对真实数据进行处理的全过程。Scikit-learn集成了很多机器学习需要使用的函数，学习Scikit-learn能简洁、快速写出机器学习程序。并且通过代码更加深入的了解机器学习模型，学习如何处理数据，如何选择模型，如何选择和调整模型参数。1、推荐安装Anaconda（集成Python和很多有用的Package）2、编辑器：Spyder或Pycharm或JupyterNotebook1、下载数据数据集为房屋信息housing，代码运行后，会下载一个tgz文件，然后用tarfile解压，解压后目录中会有一个housi

本文来自于csdn，文章详细介绍了SupervisedLearning(有监督学习)以及ROC曲线等相关知识。MachineLearning分为有监督学习与无监督学习，这个系列重在介绍有监督学习，即，通过告知算法有关Features和对应的输出Labels，然后当有新的feature数据时，做label预测。首选Anaconda安装，Mac下可以用brew直接装。Iris是sklearn中内嵌的一组数据，可以用以学习通过特征值对鸢尾花进行分类。1上面两个数据都是numpy中ndarray类型。ndarray作为类似于高代中的矩阵来表达数据，通过高效的C底层库，能比python内置类库更快地做大

Hands-On Machine Learning with Scikit-Learn and TensorFlow + 源码

使用人脸识别的考勤管理系统 :laptop: 该项目涉及构建一个考勤系统，该系统利用面部识别来标记员工的在场，进场和超时。 它涵盖了面部检测，对齐和识别等领域，还开发了一个Web应用程序以迎合系统的各种用例，例如新员工注册，将照片添加到培训数据集中，查看出勤报告等。该项目旨在替代传统的手动考勤系统。 它可用于对安全至关重要的公司办公室，学校和组织中。 该项目旨在自动化传统的考勤系统，其中手动标记了考勤。 它还使组织能够以数字方式维护其记录，例如准时，缺勤，休息时间和出勤。 系统的数字化也将有助于使用图形显示编号来更好地可视化数据。 今天在场的员工人数，每位员工的总工作时间及其休息时间。 它的附加功能可以有效地升级和替换传统的考勤系统。 项目范围 :rocket: 面部识别在我们的社会中正变得越来越重要。 它在安全领域取得了重大进展。 它是一种非常有效的工具，可以帮助低级执行者识别犯罪分子，软件公司正在利用该技术来

Skorecard scorecard是scikit-learn兼容的python软件包，可帮助简化信用风险接受模型（记分卡）的开发。 记分卡是银行在信贷决策过程中使用的“传统”模型。 在内部，记分卡是Logistic回归模型，其利用合并到不同组中的功能。 装箱过程通常由专家手动完成， skorecard提供了使此过程更容易的工具。 skorecard建立在以及 ， 和等其他出色的开源项目。 特征 :star: 自动化scikit-learn管道内的功能存储。 Dash Webapp可帮助您通过业务知识手动调整功能的存储桶（尚不可用） sklearn.linear_model.LogisticRegression扩展，它也能够报告p值 绘制和报告以加快分析和编写技术文档的速度。 安装 pip3 install skorecard 文献资料 参见 。

使用CNN进行手语检测：使用人的手势和使用CNN-Keras-tensorflow的手势控制计算器识别ASL字母和数字