波士顿-莫斯科马拉松赛分析 项目数据集 他们有两组数据集来完成波士顿和莫斯科马拉松项目。 1.波士顿马拉松比赛结果2017 下面的示例文件marathon_results_2017.csv 列：{围栏，姓名，年龄，男/女，城市，州，国家/地区，公民，5K，10K，15K，20K，一半，25K，30K，35K，40K，步伐，项目时间，官方时间，总体，性别， 分配} 数据：{11，Kirui，Geoffrey，24，M，Keringet，KEN，0:15:25，0:30:28，0:45:44，1:01:15，1:04:35，1:16 ：59，1:33:01，1:48:19，2:02:53，0:04:57，-2:09:37，1，1，1} 2.莫斯科马拉松完整成绩2018 下面的示例文件1_full_results_mm_2018.csv 列：{围嘴，finish_time_sec，fi

金融机器学习

使用scikit-learn掌握机器学习-第二版 这是发行的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 本书探讨了各种机器学习模型，包括k最近邻，逻辑回归，朴素贝叶斯，k均值，决策树和人工神经网络。 它讨论了数据预处理，超参数优化和集成方法。 您将建立对文档进行分类，识别图像，检测广告等的系统。 您将学习使用scikit-learn的API从分类变量，文本和图像中提取功能； 评估模型性能； 并就如何改善模型的性能形成直觉。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟应用程序名称。 例如，Chapter02。 该代码将如下所示： Code words in text, database table names, folder names, filenames, file extensions, pathnames, dummy U

scikit-学习食谱-第二版 这是出版的的代码存储库。 它包含从头到尾完成本书所必需的所有支持项目文件。 关于这本书 由于Python的简单性和灵活性，PythonSwift成为分析人员和数据科学家的首选语言，并且在Python数据空间中，scikit-learn是机器学习的明确选择。 本书包括机器学习中常见问题和不常见问题的演练和解决方案，以及如何利用scikit-learn有效执行各种机器学习任务。 第二版首先介绍了评估数据统计属性的方法，并生成了用于机器学习建模的综合数据。 在阅读本章的过程中，您会遇到一些菜谱，这些菜谱将教您实现一些技术，例如数据预处理，线性回归，逻辑回归，K-NN，朴素贝叶斯，分类，决策树，合奏等等。 此外，您将学习通过多类分类，交叉验证，模型评估来优化模型，并深入研究以scikit-learn实施深度学习。 除了涵盖模型部分，API和分类器，回归器和估计器等

整个项目源码： 整个项目数据集：、 引言 本次分享主要介绍，如何对道路上的汽车进行识别与跟踪。这里我们实现一个简单的demo。后续我们还会对前面的代码及功能进行重构，从而进一步丰富我们的功能。 项目软件框架 下图是车辆检测的实现流程图： 具体内容如下： 在有标签的训练数据集上进行Histogram of Oriented Gradients(HOG)特征提取 Normalize 这些特征，并随机化数据集 训练线性SVM分类器 实现一个滑动窗口技术，并使用训练好的分类器在图片中寻找车辆 实现一个流处理机制，并通过一帧一帧地创建循环检测的热图来去除异常值及跟踪车辆 为检测到的车辆估计一个边界框 Features 本项目，我们使用一些有标签的训练数据：汽车图片、无汽车图片，训练数据在all文件夹中可以找到 有汽车地图片标签为1，无汽车的图片标签为0 我们先读取数据，看下数据的分布 # impor

贾维斯 数据 生成数据和意图 建造 建立变压器模型，训练并另存为H5模型 跑 部署并测试模型。 两种方式 合作实验室 特肯特

歌词条件下的神经旋律生成（在演示）。 2020年9月19日，@@@：可以从下载完整的歌词旋律源。 2020年9月17日，@@@：更新了读者的答案，并发布了此工作的更新版本在多媒体计算中ACM交易接受了共享通信与应用（TOMCCAP），2021年。@ 2020年2月14日：发布了用于歌词生成的常规LSTM-GAN编码， 为 如果您使用我们的歌词旋律数据集和歌词嵌入（包括在我们的歌词数据集中经过专门训练的跳码mdoel和BERT模型），请引用我们的论文“用于从歌词生成旋律的有条件LSTM-GAN”，网址为 ，在2021年被ACM多媒体计算通信和应用交易记录（TOMCCAP）接受。您可以找到我们在本文的主观评估中使用的12种旋律（melodies_experiment.zip）。 这12种旋律分别通过基线方法，LSTM-GAN和基本事实生成。 -基线方法：bas1-4--; --LSTM-GA

乳腺癌预测

恩斯塔机器人 这是我在课程中所做的事情，其中​​大多数是代码，但有些包含报告。 希望这对其他ENSTA机器人学生有所帮助。 对于ROB 306 对于ROB 307 对于ROB 311 对于ROB 317

Myproject:我的GitHub个人资料的配置文件