很棒的决策树研究论文 精选的决策，分类和回归树研究论文清单，包括来自以下会议的实现： 机器学习 计算机视觉 自然语言处理 数据 人工智能 关于，，，和论文的类似集合以及实现。 2020年 DTCA：可解释的索赔验证基于决策树的共同注意网络（ACL 2020） 吴连伟，袁Yuan，赵永强，梁浩，安布琳·纳齐尔 隐私保护梯度提升决策树（AAAI 2020） 李勤彬，吴兆敏，温则宜，何炳生 实用联合梯度提升决策树（AAAI 2020） 李勤彬，温则宜，何炳生 最优决策树的有效推断（AAAI 2020） 弗洛伦特·阿韦拉内达（Florent Avellaneda） 使用缓存分支和边界搜索学习最佳决策树（AAAI 2020） 盖尔·阿格林（Gael Aglin），齐格弗里德·尼森（Pierre） 决策树集合分类器的抽象解释（AAAI 2020） 弗朗切斯科·朗佐托（Marco Zanella） （多任务）梯度增强树的可扩展功能选择（AISTATS 2020） Cuize Han，Nikhil Rao，Daria Sorokina，Karthik Subbia

Andrew Ng 机器学习课件，方便不能上外网的网友参考使用

machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学） machine learning课件（国外大学）

对称梯度域机器学习（sGDML） 有关更多详细信息，请访问： : 可以在这里找到文档： : 要求： Python 3.7以上 NumPy（> = 1.19） 科学（> = 1.1） 可选的： PyTorch（用于GPU加速） ASE（> = 3.16.2）（运行原子模拟） 入门 稳定释放 大多数系统pip预先安装了针对Python pip的默认软件包管理器。 只需调用以下sgdml即可安装sgdml ： $ pip install sgdml sgdml命令行界面和相应的Python API现在可以在系统上的任何位置使用。 开发版 （1）克隆存储库 $ git clone https://github.com/stefanch/sGDML.git $ cd sGDML ...或更新您现有的本地副本 $ git pull origin master （2）安装 $ pi

新闻大师 根据内容相关性在5个类别（热门故事，娱乐，技术，商业，健康）中获取最新新闻 项目发展 该项目是在Python-Django框架中开发的，您可以在documentation文件夹中阅读该项目的完整实现。 基本思想 从获取各种来源的新闻 使用朴素贝叶斯分类器对新闻进行分类（技术，娱乐，商业，健康） 根据新闻标题的内容对新闻进行分类并显示在Web浏览器上 内容选择因素： 文章年龄（出版日期） 源质量 文字品质 情感分数 机器学习算法 使用朴素贝叶斯实现训练模型，支持向量机和使用keras进行深度学习模型作为数据集，获得朴素贝叶斯分类器的最高准确性（0.89） 数据集

CSE523-机器学习-SSSR CSE523机器学习SSSR存储库包含使用KNN，ALS和SVD算法的电影推荐系统。 电影推荐系统 介绍 我们使用协作过滤制作了一个电影推荐系统，其中我们同时使用了基于内存的协作过滤和基于模型的协作过滤。 因此我们实施了3种算法 K近邻（KNN） 这是一种基于内存的聚类算法 交替最小二乘（ALS） 它是基于模型的矩阵分解算法 奇异值分解（SVD） 它是基于模型的矩阵分解算法 结果 参考 哈里森·奥尼尔（Onel）。 “具有K最近邻算法的机器学习基础。” 中等，迈向数据科学，2019年7月14日，通向datascience.com/machine-learning-basics-with-the-k-nearest-neighbors-algorithm-6a6e71d01761 Gupta，Meenu等。 “使用协作过滤的电影推荐系统。” 2020年电

人工智能 机器学习 入门必备的经典文章 包含Learnability, stability and uniform convergence，Learning_Theory_Estimates_via_Integral_Operators_and_Their_Approximations，Local Rademacher complexities，On regularization algorithms in learning theory，On the mathematical foundations of learning等十余篇经典文章，入门首选

SmartSim SmartSim使得在大规模数值模拟中更容易使用常见的机器学习（ML）库（例如PyTorch和TensorFlow）。 本质上，SmartSim提供了一个API，可将以Fortran，C，C ++和Python编写的HPC（MPI + X）仿真连接到名为Orchestrator的内存数据库中。 Orchestrator建立在Redis之上，Redis是一个用C编写的流行缓存数据库。仿真和数据库之间的这种连接是SmartSim的基本范例。 使用上述语言进行的仿真可以将数据流传输到Orchestrator，并使用Python将数据拉出以进行在线分析，可视化和培训。 此外，Orchestrator配备了ML推理运行时：PyTorch，TensorFlow和ONNX。 从模拟内部，用户可以存储和执行经过训练的模型并检索结果。 支持的ML库 SmartSim 0.3.0使用R

Probabilistic Machine Learning (Duke STA561)

代码事物 地位 掌握 开发 可维护性 覆盖范围 执照 :robot: 扑克AI 该存储库将包含使用反事实遗憾的思想的扑克AI的尽力而为的开源实现。 由开发人员和。 特别感谢最初编写了的，该已移植到python3并。 加入社区 https://thepoker.ai 先决条件 该存储库假定使用Python 3.7或更高版本。 正在安装 从pypi安装： pip install poker_ai 或者，如果您想开发我们的代码，请通过克隆此repo并从pip -e安装来从源代码安装Python包： git clone https://github.com/fedden/poker_ai.git # Though really we should use ssh here! cd /path/to/poker_ai pip install . 命令行界面（CLI） 当您通过pi