kernel-ml-5.3.13-1.el7.elrepo.x86_64.rpm 可升级甲骨文内核，开启bbr 开启教程：https://blog.csdn.net/qq_35606400/article/details/120776553

天体物理学动手机器学习教程 本教程为天体物理学家演示了一些简单的机器学习和深度学习用例。 它是在2020年11月的研讨会上首次展示的。 第1部分展示了如何使用scikit-learn在表格数据上训练浅层统计模型，例如支持向量机（SVM）和随机森林，以根据其物理属性（温度/半径/发光度）对星型进行分类。 第2部分演示了如何使用非结构化数据（例如图像）。 它通过深层卷积网络从手工制作的特征（渐变的直方图）逐渐变为学习的特征。 第3部分给出了使用诸如2D空间中的聚类，图像检索，对预训练网络进行微调等深层功能可以实现的不错的聚会技巧的示例。 如果在此代码中发现任何错误或问题，请随时打开问题或请求请求。

Today's Web-enabled deluge of electronic data calls for automated methods of data analysis. Machine learning provides these, developing methods that can automatically detect patterns in data and then use the uncovered patterns to predict future data. This textbook offers a comprehensive and self-contained introduction to the field of machine learning, a unified, probabilistic approach. The coverage combines breadth and depth, offering necessary background material on such topics as probability, optimization, and linear algebra as well as discussion of recent developments in the field, including conditional random fields, L1 regularization, and deep learning. The book is written in an informal, accessible style, complete with pseudo-code for the most important algorithms. All topics are copiously illustrated with color images and worked examples drawn from such application domains as biology, text processing, computer vision, and robotics. Rather than providing a cookbook of different heuristic methods, the book stresses a principled model-based approach, often using the language of graphical models to specify models in a concise and intuitive way. Almost all the models described have been implemented in a MATLAB software package--PMTK (probabilistic modeling toolkit)--that is freely available online. The book is suitable for upper-level undergraduates with an introductory-level college math background and beginning graduate students. 优点：新，全！ 由于成书时间较晚，所以涵盖了更多最近几年的hot topic，比如Dirichlet Process 。 更重要的，是全，基本上ML领域的专有名词，你都可以在书后的index找到。说道这里，不得不佩服本书的作者Kevin Murphy，剑桥的本科，UCB的博士，MIT的博后，得到过多位大牛的真传 。 还有一个非常重要的，就是这本书配备了详尽的matlab code，你几乎可以尝试书中的每一个例子。 单从以上这几点，绝对应该把他排在所有ML教材的首位！

自然语言学习必备书籍，清华大学刘知远老师推荐，冯老师的经典作品

在Matlab的平台上,应用QPSK调制,以及3种不同的探测方法,实现并模拟了2x2的MIMO功能. 在Matlab的平台上,应用QPSK调制,以及3种不同的探测方法,实现并模拟了2x2的MIMO功能.

汇编工具masm.exe,link.exe,ml.exe，v6.15版本，比v5好用 汇编工具masm.exe,link.exe,ml.exe，v6.15版本，比v5好用

多元逻辑斯蒂回归matlab代码ML 该存储库包含用于完成机器学习练习的Matlab代码，例如： 具有梯度下降的单变量和多变量线性模型，包括正态方程。 单变量和多元逻辑回归模型，具有梯度下降。 工作正在进行中！

计算置信区间的matlab代码参数估计 一些使用SIR模型进行参数估计的快速示例代码，以及使用Fisher信息矩阵和轮廓似然性检查可识别性和不确定性的代码-有关更多信息，请参阅实验室作业pdf（此代码适用于第2部分）。 该代码最初是为2017 NIMBioS / MBI / CAMBAM研究生暑期班和NIMBioS不确定性定量教程而设计的。 R和Matlab中都提供了等效的代码，该代码需要执行以下步骤： 在一些初始参数值下模拟模型 使用最大似然（ML）从（模拟的）暴发数据估计模型参数（假设模型具有给定的Poisson均值，但可以更改为您喜欢的任何值，例如最小二乘等）。 计算Fisher信息矩阵（FIM）的简化形式并测试其等级，以评估可识别参数/组合的数量 生成每个参数的轮廓似然并确定95％的置信区间 问题？ 联系玛丽莎·艾森伯格（）。 该材料是根据MIT许可授权的-可以免费使用/修改并注明原始来源（请参阅许可文本）。

吴恩达机器学习课程配套讲义，配套视频可在网易公开课上找到。

centos7 5.14.0 内核升级包