实现pysc2环境的强化学习算法

流行性感冒是一种传染性疾病，传播Swift而广泛。 流感的爆发给社会带来了巨大的损失。 本文设置了流感关键词的四个主要类别，即“预防阶段”，“症状阶段”，“治疗阶段”和“常用短语”。 使用Python网络爬虫从国家流感中心的流感监测每周报告和百度索引中获取相关的流感数据。 通过机器学习建立支持向量回归（SVR），最小绝对收缩和选择算子（LASSO），卷积神经网络（CNN）预测模型，并考虑了流感的季节性特征，还建立了时间序列模型（ARMA） ）。 结果表明，基于网络搜索数据预测流感是可行的。 机器学习在基于Web搜索数据的流感预测中显示出一定的预测效果。 今后它将在流感预测中具有一定的参考价值。 ARMA（3,0）模型可预测更好的结果并具有更大的概括性。 最后，给出了本文的研究不足和今后的研究方向。

Python机器学习基础教程中文Notebook 基本上就是《Python机器学习基础教程》的内容搬运为jupyter notebook ，便于记录和学习。 快速开始 在含有.ipynb 文件的目录下打开命令行 敲入jupyter notebook(前提是安装了，Anaconda发行版python自带ipynb) 打开浏览器：localhost:8888

Python基于机器学习的web攻击检测系统源码.zip

Macro F1 and Macro F1是2019年的一篇关于两种宏观F1-score的计算方式的详细讲解。

音乐制作人 Jeremy Dapaah的TJHSST高级研究项目。 该项目利用库来使用机器学习来创建音乐。 您所需要做的就是选择一个要上传的文件，或者选择一个已存在的文件，选择一些选项，然后欣赏您的音乐。 这是音乐制作人！ 该站点也位于

GWO优化LSTM分类，这个代码分了两类。

使用梯度下降的方法进行逻辑回归实战： 问题说明： 这里将建立一个逻辑回归模型来预测一个学生是否被大学录取。 假设你是一个大学的管理员，你想根据两次考试的结果来决定每个申请人的录取机会，你有以前的申请人的历史数据。可以用历史数据作为逻辑回归的训练集。对于每一个样本,有两次考试的申请人的成绩和录取决定。建立一个分类模型，根据考试成绩估计入学概率。 数据链接： 链接:https://pan.baidu.com/s/1-pjwe1ogk30WpzN4Qg1NZA 密码:wqmt 完整代码实现如下： import numpy as np import pandas as pd import matpl

压缩包中包含算法的Python实现代码、测试数据集及运行结果，可供感兴趣的同学参考。因为现在的实现并不能对所有的数据集都得到良好的效果，所以如果哪位同学有更好的想法，希望能不吝赐教。

摘要本笔记是针对斯坦福大学 2014 年机器学习课程视频做的个人笔记斯坦福大学 2014 机器学习教程个人笔记（V5.51）最后修改：2020-08-04斯坦福