吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第一周所有jupyter notebook文件(包括实验室练习文件)

Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第二周所有jupyter notebook文件(包括实验室练习文件)

吴恩达Coursera, 机器学习专项课程, Machine Learning：Supervised Machine Learning: Regression and Classification第三周所有jupyter notebook文件(包括实验室练习文件)

机器学习基础知识课件，适用于高年级本科生和低年级研究生。

信用卡欺诈检测 使用Logstic Regression对信用卡欺诈检测进行分类 步骤以及一些需要注意的点 特征工程 样本不均衡问题的解决（降采样以及过采样两种方式） 下采样策略 交叉验证（充分利用数据，使模型可以说服力） 模型评估方法（分类准确率，精确率，召回率，F1值） 正则化惩罚（防止模型过拟合，日期L2正则化） 逻辑回归阈值对结果的影响（通过重复矩阵​​的可视化以及召回率来体现） 过采样策略（SMOTE算法） 如何运行？ 信用卡数据集为“ creditcard.csv”，地址为： ://myblogs-photos-1256941622.cos.ap-chengdu.myqcloud

基于人脸识别的考勤系统 详细项目在这里工作... 该项目包含两个使用flask和python3开发的webapp。（ ） 使用的数据库：MySQL社区版。 对于面部识别，我使用了ageitgey的python3“ face_recogntion”。（ ），它是使用dlib先进的面部识别技术构建而成的，该面部识别技术是通过深度学习构建的。 该模型在Wild基准中的Labeled Faces上的准确性为99.38％。 为了进行欺骗检测，我通过重新训练它的最后一层来使用tensorflow初始模型，以便它可以检测图像中的手机。（ ） 为了生成和管理Excel，我使用了xlrx，xl

机器学习实战源代码machinelearninginaction.7z

matlab canny算子边界检测函数代码Penn Robotics：视觉智能和机器学习 我的宾夕法尼亚大学 EdX 课程作业。 剩余的代码将很快上传。 课程在这里是免费的： “在本课程中，这是机器人微硕士课程的一部分，您将了解机器学习如何在支持分类、回归和聚类的数据中提取具有统计意义的模式。然后通过一起学习计算机视觉和机器学习，您将能够建立识别可以从数据中学习并适应新环境的算法。完成本课程后，您将能够为机器人编程视觉功能，例如机器人定位以及使用机器学习的对象识别。本课程中的项目将使用 MATLAB 和OpenCV 并将包括视频稳定、3D 对象识别、对象分类器编码、构建感知器以及使用标准 CNN 框架之一设计卷积神经网络 (CNN) 的真实示例。” 第 1 周（完成） 相机几何 颜色感应 第 2 周（完成） 傅立叶变换 傅立叶变换 图像卷积和边缘检测 一维和二维信号（图像）的卷积算子 边缘检测的 Canny 算法。 第 3 周 图像卷积和边缘检测第 2 部分 图像金字塔 第 4 周 特征检测：过滤器、SIFT、HOG 第 5 周 几何变换 仿射 保护的 兰萨克 第 6 周 光流估计

UBC Mark Schmidt讲授 这是Mark Schmidt在UBC教机器学习的各种课程的课程材料的集合，包括100多个讲座的材料，涵盖了大量与机器学习相关的主题。 这是在 UBC 教授的有关机器学习的各种课程的课程资料合集，其中包括来自 100 多场讲座的资料，涵盖了大量与机器学习相关的主题。主题的符号相当一致，这使得更容易看到关系，并且主题应该按顺序进行（难度慢慢增加，概念在第一次出现时就被定义）。

The Support Vector Machine is a powerful new learning algorithm for solving a variety of learning and function estimation problems, such as pattern recognition, regression estimation, and operator inversion. The impetus for this collection was a workshop on Support Vector Machines held at the 1997 NIPS conference. The contributors, both university researchers and engineers developing applications for the corporate world, form a Who's Who of this exciting new area. Contributors: Peter Bartlett, Kristin P. Bennett, Christopher J. C. Burges, Nello Cristianini, Alex Gammerman, Federico Girosi, Simon Haykin, Thorsten Joachims, Linda Kaufman, Jens Kohlmorgen, Ulrich Kreßel, Davide Mattera, Klaus-Robert Müller, Manfred Opper, Edgar E. Osuna, John C. Platt, Gunnar Rätsch, Bernhard Schölkopf, John Shawe-Taylor, Alexander J. Smola, Mark O. Stitson, Vladimir Vapnik, Volodya Vovk, Grace Wahba, Chris Watkins, Jason Weston, Robert C. Williamson.