IMDB_TextAnalysis 通过IMDB数据集评论上的训练模型将输入文本分为正面还是负面。

交叉销售汽车保险 该项目使用机器学习来预测当前的健康保险客户是否会购买汽车保险。 基础数据是从Kaggle获得的，其中包含有关先前销售的信息。 在测试各种分类器（包括逻辑回归，支持向量分类器，KNN分类器和随机森林分类器）之前，使用SMOTENC对数据进行了转换和上采样。 在使用默认的超参数对分类器进行测试之后，进行了网格搜索以识别最佳的超参数组合。

DCGAN

TDT4300-分配4-决策树 使用决策树和K近邻分类器对有毒蘑菇进行分类。

使用OpenCV识别手语 依存关系： 1. Tensorflow 2.凯拉斯 3. OpenCV 数据集： 工具： Google Colab 怎么跑 运行 ROIinOpenCV.py 在以下位置阅读整个过程：

动物识别 数据来源：dphi 训练模型以识别5类动物 培训：6558张图像，验证：1638张图像，测试：901张图像 使用ImageDataGenerator进行图像增强，调整大小和规范化 使用Accuracy作为度量标准，并使用categorical_crossentropy作为损失函数 训练了几种不同的模型 楷模 描述 准确性 笔记 型号1：MLP 4层密集，图片尺寸[256x256]，优化程序=亚当 40％ 对于MLP来说还不错 型号2：MLP 具有2层滤除功能的5层密集模式，尝试了[256x256]和[100x100]，优化程序尝试了adam和sgd 停留在23％ MLP无法解决此问题 型号3：CNN 5层CNN + Maxpooling +辍学+密集，[256x256]，优化程序=“ adam” 停留在23％ 不确定CNN的成效不佳，当地最低收益吗？ 型号4：

CS 294-112作业（2017年秋季提供） 这是我为做作业的github（于2017年秋季提供）。 我远程讲授了这门课程（使用讲义和视频），并实施了作业的编码部分。 以下是我为每个作业分配的内容简介。 免责声明：此代码仅用于教育目的。 参加本课程当前迭代的学生应避免复制此代码，因为这会破坏学术诚信并妨碍他们自己的教育。 依存关系 Gym 0.9.5用于作业3。 请注意，在本课程中，其中一些依赖项尚未发布。 此外，已修改了入门代码，以反映OpenAI Gym文档中的更改。 作业1 到目前为止，该课程涵盖了更基本的监督学习。 我实现了BC（行为克隆）和DAgger（数据集聚合），这（略有改善）了结果。 我还尝试了各种超参数。 作业2 我实现了策略梯度算法，并在各种环境下进行了一些测试。 我玩了超参数，发现我的实现使代理的奖励收敛到理论值。 我还实施了GAE（广义优势估算）并比

股票预测 使用LSTM模型预测20只股票的调整后收盘价

服装-产品推荐系统

isic2018黑色素瘤分割