集群深度学习 实验室课程“计算机视觉和生物医学的深度学习”-TUM下的项目“用于集群的深度学习”的代码。 取决于numpy ， theano ，烤宽面条， scikit-learn ， matplotlib 。 贡献者 （主管） 相关论文： 该存储库是本文的实现：Elie Aljalbout，Vladimir Golkov，Yawar Siddiqui，Daniel Cremers“通过深度学习进行聚类：分类法和新方法” arxiv： ：//arxiv.org/abs/1801.07648 用法 使用主脚本来训练，可视化集群和/或报告集群指标 python main.py 选项 -d DATASET_NAME, --dataset DATASET_NAME (Required) Dataset on which autoencoder is to be tra

【伯克利干货】机器学习全面指南 CS189是加州大学伯克利分校的机器学习课程。在本指南中，我们创建了一个全面的课程指南，以便与学生和公众分享我们的知识，并希望吸引其他大学的学生对伯克利的机器学习课程的兴趣。本指南由cs189助教Soroush Nasiriany和Garrett Thomas于2017年秋季发起，并得到William Wang和Alex Yang的协助。

Applied Predictive Modeling.2013 机器学习，数据挖掘参考资料

早期的癌症预测非常重要，因为患者可以准备应对它。 有几种机器学习模型可以通过识别高风险的独立样本来帮助预测癌症，从而简化癌症试验的设计和规划。 这些模型使用生物标志物（例如年龄，更年期，肿瘤大小，肿瘤，乳房，乳房四分之一尺度）来预测乳腺癌。 但是，这些模型的主要缺点是后期预测以及准确性低。 因此，在这里介绍一种使用基因表达谱（基因组数据）来早期预测乳腺癌的系统。 该模型是使用不同的机器学习算法构建的，例如高度通用的支持向量机（SVM），朴素贝叶斯定理，决策树和最近邻居方法，可使用基因表达谱预测乳腺癌。

Role2Vec ⠀ ⠀ 基于学习角色的图嵌入的可扩展并行gensim实现（IJCAI 2018） 。 抽象的 随机游走是许多现有网络嵌入方法的核心。 但是，这样的算法由于使用随机游走而具有许多局限性，例如，由于这些方法所产生的特征与顶点身份相关联，因此无法转移到新的节点和图上。 在这项工作中，我们介绍了Role2Vec框架，该框架使用了归因于随机游走的灵活概念，并为泛化现有方法（例如DeepWalk，node2vec和许多利用随机游走的其他方法）奠定了基础。 我们提出的框架使这些方法可以更广泛地应用于转导和归纳学习，以及在具有属性的图上使用（如果可用）。 这是通过学习泛化到新节点和图的功能来实现的。 我们表明，我们提出的框架是有效的，平均AUC改善了16.55％，同时所需的空间比各种图形上的现有方法平均少853倍。 二阶随机游走采样方法取自的参考实现。 该模型现在也可在包中找到。

一个基于Web的工具，用于标记可用于训练dlib或其他对象检测器的对象的图像。 随着大多数用户切换到新版本的imglab，旧版本的imglab已被删除。 如果您想成为该项目/组织的维护者/合作者，请告诉我。 唯一的条件是您需要对任何用户反馈保持礼貌。 寻找互助/贡献者 产品特点 ImgLab是独立于平台的，可直接从浏览器运行，并且没有任何先决条件。 它需要最少的CPU和内存。 自动建议 外挂程式 不同形状 键盘快捷键： 放大/缩小： 其他功能： dlib用户特别注意。 您可以轻松调整零件/地标/特征点的顺序。 开源，永远免费。 您可以绘制特征点和形状（圆形，矩形，多边形）。 如果需要，将来会添加其他形状，例如椭圆，直线，曲线。 小项目文件，因此可以通过邮件共享。 以数据格式 支持多种格式 dlib XML dlib点 帕斯卡VOC 可可 Tensorflow（计划中） 其他生活质量功能： 拖动或调整任何注释形状的大小。 选择并删除任何注释形状或界标点。 通过上下拖动标签来按特定顺序排列地标点，而不是按特定顺序创建它们。 自动保存在浏览器缓存中。 导出以保存到

代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Slot Machine Pack 1.46 2D游戏代码 Tiny Sl

毫升矩阵 矩阵处理和计算库。 由维护 安装 $ npm install ml-matrix 用法 作为ES模块 import { Matrix } from 'ml-matrix' ; const matrix = Matrix . ones ( 5 , 5 ) ; 作为CommonJS模块 const { Matrix } = require ( 'ml-matrix' ) ; const matrix = Matrix . ones ( 5 , 5 ) ; 例子 标准作业 const { Matrix } = require ( 'ml-matrix' ) ; var A = new Matrix ( [ [ 1 , 1 ] , [ 2 , 2 ] ] ) ; var B = new Matrix ( [ [ 3 , 3 ] , [ 1 , 1 ] ] ) ; var C = ne

第一章：介绍机器学习研究的总体思路，发展历史与关键问题； 第二章：介绍线性模型，包括线性预测模型，线性分类模型和线性高斯概率模型； 第三章：介绍神经网络的基础知识、基础结构和训练方法； 第四章：介绍深度神经网络的基础方法和最新进展； 第五章：介绍核方法，特别是支持向量机模型； 第六章：介绍图模型的基本概念和基于图模型的学习和推理方法； 第七章：介绍无监督学习方法，特别是各种聚类方法和流形学习； 第八章：介绍非参数贝斯模型，重点关注高斯过程和狄利克雷过程； 第九章：介绍遗传算法、遗传编程、群体学习等演化学习方法； 第十章：介绍强化学习，包括基础算法及近年来兴起的深度强化学习方法； 第十一章：介绍各种数值优化方法。

支持张量机 尝试实现算法“支持张量机”