在复习《机器学习》时，个人总结的一点复习资料。后续如果还总结的话，也考虑传一下。

Tensorlab is a MATLAB toolbox for rapid prototyping of (coupled) tensor decompositions with structured factors.

机器学习算法案例实战（python实现） 一。 1.加载数据 用熊猫加载 2.数据探索性分析及可视化 用matplotlib和seaborn对数据的标注（结果）进行。 3.特征处理 用pandas去除无关特征 用StandardScaler对数据进行标准化 4.模型训练 用train_test_split划分训练集和测试集 选择模型：SVM，决策树，随机森林，KNN 用GridSearchCV优化模型参数 用管道管道机制定制化分类器训练流程 5.模型评估 用对不同模型进行评估， 。 二。 1.加载数据 用熊猫加载数据 数据索引说明： 时间：交易时间； 金额：交易金额； 类别：交易的分类，0表示正常（非欺诈），1表示欺诈V1，V2，……V28：出于利益，不知道这些特征代表的具体含义，只知道这28个特征值是通过PCA变换得到的结果 2.数据探索性分析及可视化 用matplotlib和sea

the tools contains the following algorithms: Character Recognition Using Bayesian Classifier FaceRecognitionAndReconstruction GMMClassification ImageSegmentation NeuralNetwork SVMClassification

1.ppt of machine learning 2.materail for perparing the two test and final test 3.the solution for experiment set and assignment

人工智能、智能学习、深度学习程序。很难找的东西。

Kaggle-WhatsCooking-机器学习 来源 目标-使用食谱成分来预测美食类别 语言-Python 套餐-NumPy，Pandas，Sci-Kit Learn 数据文件概述 >>df_train.info() Int64Index: 39774 entries, 0 to 39773 Data columns (total 3 columns): cuisine 39774 non-null object id 39774 non-null int64 ingredients 39774 non-null object dtypes: int64(1), object(2) >>df_train.head()

薪资预测 使用线性回归的机器学习模型，可以通过输入经验年限来预测薪水。 当前使用Heroku进行部署。 这是已部署模型的链接： :

黑色素检测 什么是黑色素瘤？ “黑色素瘤” ，也称为“恶性黑色素瘤” ，是一种由称为黑色素细胞的含色素细胞发展而来的癌症。 黑色素瘤通常发生在皮肤上，但很少发生在口腔，肠或眼睛中。 黑色素瘤的主要原因是皮肤色素含量低的人暴露于紫外线（UV）中。 紫外线可以来自太阳，也可以来自其他来源，例如晒黑设备。 大约25％的痣来自于痣。 在以下了解更多信息：-> 。 关于存储库- 此存储库包含用于黑色素瘤检测应用程序的源代码。 以下是“项目结构” ： . | Main.py | dataset.npz | testcase.npz | README.md |---featext |

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使工作更易于访问和复制，从而进行详细的分析。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件的文件夹 抽