法律文本的数字化以及人工智能，自然语言处理，文本挖掘，网络分析和机器学习的进步，导致了律师和法律学者的新形式的法律分析。 本文概述了计算方法如何影响各种法律学术领域的研究，从对法律文本的解释到对构成法律的因果因素的定量估计。 随着计算工具继续渗透到法律学术领域，它们使学者们能够在传统研究问题上获得关注，并可能产生全新的研究计划。 计算方法已经在各种与法律相关的研究领域中促进了重要的贡献。 随着这些工具的不断发展，法律学者对它们的潜在应用越来越熟悉，计算方法的影响可能会继续增长。

机器学习 Parag Singla教授教授的机器学习课程作业。 每个文件夹都包含问题说明，Python代码和最终报告（具有图形等）。 作业 线性回归 局部加权线性回归 逻辑回归 高斯判别分析 朴素贝叶斯 SVM（使用Pegasos和libsvm） 决策树 神经网络 K均值 PCA +支持向量机 PyTorch中的神经网络 在PyTorch / Keras中的CNN

Algorithms for constructing decision trees are among the most well known and widely used of all machine learning methods. Among decision tree algorithms, J. Ross Quinlan's ID3 and its successor, C4.5, are probably the most popular in the machine learning community. These algorithms and variations on them have been the subject of numerous research papers since Quinlan introduced ID3. Until recently, most researchers looking for an introduction to decision trees turned to Quinlan's seminal 1986 Machine Learning journal article [Quinlan, 1986]. In his new book, C4.5: Programs for Machine Learning, Quinlan has put together a definitive, much needed description of his complete system, including the latest developments. As such, this book will be a welcome addition to the library of many researchers and students.

ArtLine：基于深度学习的项目，用于创建线条艺术肖像

matlab资源分配的代码基于机器学习的无线通信优化问题的论文和代码 这是使用基于机器学习的算法解决的无线通信优化问题论文/代码的集合。 任何贡献表示赞赏。 主要侧重于资源分配和信道分配。 特别寻找基于 PyTorch 的论文/代码。 TF=TensorFlow； PT=PyTorch 带代码的论文列表 纸 代码 无论文代码列表 代码

Fisher's linear discriminant

社会上的主要疾病是全世界女性的乳腺癌，其中27％的女性患有癌症。 机器学习分类器适合医师以低成本和时间进行完美诊断。 分类器的比较性能分析需要获得准确的诊断，因为医学数据由本质上嘈杂的高维数据组成。 在这项研究中，将不同的分类器机器学习技术应用于乳腺癌数据集。 印度的癌症发生率在30年代初有所增加，但在50-64岁时达到最高点。 根据NICPR报告，在28名妇女中，有一名妇女患了乳腺癌。 但是这种比例将改变城市人口，其中22名妇女中有1名妇女受到影响。 在农村，该比例增加到每60名妇女中增加1名？ 通过早期诊断和治疗可以提高患者的治愈率，这可以延长他们的寿命。 在这里，我们已经建立了一个模型来识别癌细胞是良性还是恶性的。 我们使用了机器学习技术分类器。 在这里，我们必须确定一种在不同的手术条件和数据集下预测疾病的合适技术。 结果分析表明，SVM被认为是识别不同性能矩阵（例如灵敏度，准确性，误差和特异性）的合适选择。

蛮好用的.很简单. 比fastreport 容易. 没有人教.多摸索几次就会了. !

Machine Learing Source Code

Introducing_Data_Science_Big_Data-_Machine_Learning-_and_more-_using_Python_tools