RealTime3DPoseTracker-OpenPose 使用OpenPose，Python机器学习工具包，Realsense和Kinect库进行实时3D姿势跟踪和手势识别。 安装步骤：OpenPose和PyOpenPose机器：4 GPU，GeForce GTX 1080操作系统：Ubuntu 16.04 克隆OpenPose存储库：“ git clone ” 通过以下链接从PyOpenPose检查当前集成的OpenPose版本：https://github.com/FORTH-ModelBasedTracker/PyOpenPose 通过以下方式将OpenPose版本重置为此提交：git reset --hard #version 下载并安装CMake GUI：sudo apt-get install cmake-qt-gui 安装CUDA 8：sudo apt-g

机器学习大作业--基于线性回归的PM2.5预测 收集合肥地区过去一段时间（例如过去一年每个月的平均值）的空气质量（例如pm2.5值），然后构建回归模型，能够预测今年某个月的空气质量值 使用模型 线性回归模型 矩阵模型 梯度下降公式

python实现决策树（CART算法），使用西瓜数据集，参考《机器学习》和统计学习方法实现决策树算法。

@参考Python 机器学习基础教程 鸢尾花分类 一个简单的机器学习应用，构建第一个模型。 对鸢尾花的分类，根据测量数据进行，该测量数据则为特征。测量数据：花瓣的长度和宽度、花萼的长度和宽度，所有测量结果的单位为cm 我们的目标是构建一个机器学习模型 因为有已知品种的鸢尾花的测试数据，所以这是一个监督学习问题。我们要在多个选项中预测其中一个（品种）。这是一个分类（classsification）问题。可能的输出（鸢尾花的不同品种）叫做类别（class）。数据集中共有三个类别（setosa、versicolor、virginica）。对于一个数据点来说，它的品种叫做标签（label）。 1、初识

在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础库。本文针对Python 机器学习库 NumPy入门教程，感兴趣的朋友跟随脚本之家小编一起学习吧

53253-Python机器学习编程与实战-习题数据和答案.rar

本项目通过python实现验证码识别，包括数据集制作，模型训练，测试等。 pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com opencv-python==3.4.3.18 1、是cut.py切割成单个字符【已完成可跳过】 2、label.py将字符图片标上标签，其实就是手动标注的，也可以自己手动标注【已完成可跳过】 3、train.py用来训练模型，查看准确度 4、test.py用来查看效果，测试 自制数据集过程： 1、切割成单个字符，需要将cut.py和train文件夹放到同一个目录下，视频中在edu-cut文件夹里实验,运行cut.py自动分割。因为目录里的train文件夹是分割好的，分割好的放到char文件夹里，继续第二步。 2、当有了train和char文件夹后，开始标注图片。将label.py和train和char文件夹放在edu-label目录下，运行label.py，看弹出图片是什么就输入什么，一个个标注好即可

python实现决策树（C4.5算法），使用西瓜数据集，参考《机器学习》和统计学习方法实现决策树算法。

iris_classification_BPNeuralNetwork 本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。

可以保存加载模型、有评价指标和训练过程的损失正确率图像，预测值和真实值对比等、正确率很高 绝对不是垃圾代码！！！！