Basics of Linear Algebra for Machine Learning.zip 机器学习的线性代数基础 课程代码

Master Machine Learning Algorithms.zip 掌握机器学习算法 课程代码

XGBoost with Python by Jason Brownlee 课程代码 Code

leetcode下载 BAT机器学习面试1000题系列 整理：July、德伟、立娜、孟莹、贾茹等众人。本系列大部分题目来源于公开网络，且注明来源链接。部分题目得到寒小阳、管博士等七月在线名师审校。 说明：本系列自2017年9月28日开始，每周持续更新。首发于七月在线实验室公众号上：julyedulab，并同步更新于本博客上。另，可以转载，注明来源链接即可。 前言 之前10~15年，本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列by July，今17年，近期和团队整理BAT机器学习面试1000题系列，侧重机器学习、深度学习。 有三点得强调下： 虽然本系列主要是机器学习、深度学习相关的考题，其他类型的题不多，但不代表应聘机器学习或深度学习的岗位时，公司或面试官就只问这两项，虽说是做数据或AI相关，但基本的语言（比如Python）、编码coding能力（对于开发，编码coding能力怎么强调都不过分）、数据结构、算法、计算机体系结构、操作系统、概率统计等等也必须掌握。对于数据结构和算法，一者 重点推荐前面说的微软面试100题系列（后来这个系

ML之FE：特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现 目录 特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现 缺失值填充 fillna(self, value=None, method=None, axis=None,  inplace=False, limit=None, downcast=None, **kwargs) 特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现 缺失值填充 df = pd.read_csv('test01.csv') print(df['feature01']

回归-PM2.5预测（李宏毅）

基于机器学习的分子指数调节 随着通过扩散系统在纳米级通信中进行分子通信的希望增加，设计对分子干扰的不可避免影响具有鲁棒性的分子方案已变得至关重要。 我们提出了一种基于CNN的神经网络架构的新颖方法，用于独特设计的分子多输入单输出拓扑，以减轻分子干扰的破坏性影响。 在这项研究中，我们将所提网络的性能与朴素方法索引调制方案和逐符号最大似然估计的误码率进行了比较，并证明了所提方法具有更好的性能。 支持 土耳其科学技术研究理事会（TUBITAK）在119E190号资助下部分支持了这项工作。

机器学习 MATE-ML是A M ethod对于A utomaticŤERMËxtraction基于M achine大号收入。 该方法将术语提取视为分类任务，因为提取的目的可以看作是将候选分类为术语或非术语。 下图显示了 MATE-ML 的四个步骤，它们是完全自动化的，并允许根据将使用提取的术语的应用程序调整它们。 输入：语料库、通用语言语料库（可选）、外部知识（对应标注词）。 Text preprocessing:清理和标准化输入数据，识别 POS（词性），去除停用词等。 Feature extraction:计算描述输入语料库单词的语言、统计和混合特征。 Filter application:应用特征和属性（词）选择。 Classification of the candidate terms:应用归纳或转导分类算法来识别词。 输出：提取的术语列表。 注意：当前版本实现

数据框 这是一个C ++统计库，提供类似于Python中的Pandas包的接口。 一个DataFrame可以具有一个索引列和许多内置或用户定义类型的数据列。 您可以采用许多不同的方式对数据进行切片。 您可以加入，合并，分组数据。 您可以对数据运行各种统计，摘要和ML算法。 您可以轻松添加自定义算法。 您可以进行多列排序，自定义选择和删除数据。 和更多 … DataFrame还以访问者的形式包含了大量的分析例程-请参阅下面的。 这些从基本统计数据（例如均值，标准偏差，返回等）到更复杂的分析（如亲和力传播，多项式拟合，赫斯特指数）等，请参阅以获取代码示例的完整列表，以及如何添加自定义算法。 我遵循了该库中的一些原则： 支持内置或用户定义的任何类型，而无需新代码 从不追踪指针ala linked lists ， std::any ， pointer to base ，...，包括virtual function calls 将所有列数据放在连续的存储空间中。 另外，请注意多列之间的高速缓存行别名缺失 永远不要使用超过您所需的ala unions ， std::variant ，...