常见机器学习算法分类，包括有监督，无监督，还包括各类的优缺点

Predicting_Flight_Delays 该项目旨在通过培训2018年和2019年美国的航班数据来提前一周预测航班延误。

lle+matlab+代码 manifoldAlgorithm 流形学习算法ISOMAP与LLE的matlab代码

MuJoCo的RL 该软件包包含用于用模拟的连续控制任务的各种RL算法的实现 安装 主要的软件包依赖项是MuJoCo ， python=3.7 ， gym>=0.13 ， mujoco-py>=2.0和pytorch>=1.0 。 有关详细的安装说明，请参阅setup/README.md （）。 参考书目 如果您觉得该包装有用，请引用以下文件。 @INPROCEEDINGS{Rajeswaran-NIPS-17, AUTHOR = {Aravind Rajeswaran and Kendall Lowrey and Emanuel Todorov and Sham Kakade}, TITLE = "{Towards Generalization and Simplicity in Continuous Control}", BOOKTITLE =

代码中包含13种强化学习算法，所调用的环境不仅包含gym下面的一些简单环境，还可以自己设计环境（简单的迷宫游戏），简洁明了，适合算法学习的同学使用，其中A3C与PPO还涉及了并行运算的算法。

包括贝叶斯算法，神经网络算法，支持向量机等等相关讲义

为了执行重复性任务，本文针对具有参数不确定性的两连杆刚柔机器人提出了一种自适应边界迭代学习控制（ILC）方案。 利用汉密尔顿原理，建立了系统的常微分方程和偏微分方程（ODE–PDE）耦合动力学模型。为了驱动节点遵循期望的轨迹并同时消除柔性梁的变形，加入了边界控制策略。边界控制方案的自适应迭代学习算法包括比例-微分（PD）反馈结构和迭代项。该新型控制器旨在处理未建模的动力学和其他未知的外部干扰。 提供了数值模拟，以验证所提出的控制器在MATLAB中的性能。

EasyRL强化学习算法入门与实践.pdf

赛马 赛马是将常见机器学习算法应用于数据集并评估哪个表现最佳的最简单方法。 Horserace 支持以下类型的问题： 分类 回归 聚类 降维 推荐 用法 $ pip install horserace $ from horserace.run_race import Race $ race = Race(pandas_df, x_cols, y_cols, problem_type) $ race.go() |||||||||||||||||||| And they're off! |||||||||||||||||||| Logistic regression: Accuracy: 0.50 (+/- 0.63) KNN: Accuracy: 0.83 (+/- 0.28) Random forest: Accuracy: 0.73 (+/- 0.32) ####使用的算法

PG学习 一种用于半监督学习的高效有效的学习图算法。 （MATLAB代码） 说明：运行代码和示例 在使用代码之前，您应该编译util / lib / mtimesx /文件夹中的mtimesx lib。 请参考 。 对于Mac OS用户，您可以首先使用Homebrew安装openblas库，然后运行 bias_lib = 'path to libblas.dylib' mex('-DDEFINEUNIX','-largeArrayDims','mtimesx.c',blas_lib) 安装所需的库后，您应该在根文件夹EXCUTE的main.m。 之后，您可以在根文件夹下运行所有​​的matlab文件。 在示例文件夹中，我们提供了有关单线程版本PG-Learn，超宽带并行版本PG-Learn以及一些基线的示例，其中包括网格搜索，随机搜索，MinEnt，AEW和IDML。 此外，我们还提供