GeneticAlgorithmPython：在Python中构建遗传算法 是一部分， 是一个开放源代码的Python 3库，用于构建遗传算法和优化机器学习算法。 在PyGAD的文档中检查项目的文档： ://pygad.readthedocs.io/en/latest/README_pygad_ReadTheDocs.html 支持不同类型的交叉，突变和亲本选择。 通过自定义适应度函数， 允许使用遗传算法优化不同类型的问题。 该库正在积极开发中，并会定期添加更多功能。 如果您希望支持某项功能，请检查“联系我们”部分以发送请求。 捐款 您可以通过捐款： 。 要使用PayPal捐款，请使用以下链接： 或电子邮件地址 。 辅导项目 重要信息如果您要使用标题为“ ”的教程代码，则该代码已移至[Tutorial Project]（ Project）目录于2020年5月6日。 安装 要安

所有ML算法 它包括所有ML模型。（用于KTM和银行数据） 由所有ML预处理技术组成，如a。 采样技术（欠采样，过采样-ROS和SMOTE）b。 交叉验证（K折，分层K折）c。 主成分分析 具有HYPER参数校正的Boston数据集的套索和岭回归。 该存储库还包含我在编码文件中使用的RAW数据文件

PRMLT：PRML书籍中用于机器学习算法的Matlab代码

ESN(回声状态网络)是一种新型的递归神经网络,可有效处理非线性系统辨识以及混沌时间序列预测问题.针对ESN学习算法中可能存在的解的奇异问题,利用岭回归方法代替原有的线性回归算法.通过贝叶斯或Bootstrap 方法确定岭回归方法中的正则项系数,从而有效地控制输出权值的幅值,改善ESN的预测性能.该方法在月太阳黑子预测问题中显示出较好的结果.

当下我国信息产业的飞速发展,伴随而来的是大数据时代,产生海量的数据信息,科学规范处理大数据需求越来越高。目前,由于大数据复杂性、多样性、高维性特点,从数据中挖掘内在规律困难较大,小型机器学习算法在处理问题上捉襟见肘。因此,研究适合大数据背景下的机器学习算法成为当下的热点,本研究立足于分析当下机器学习算法的基本内涵,得出目前处理大数据的重要手段,为大数据时代发展提出理论指导。

针对多智能体系统进行机器学习的思路和方法总结，可以参考

强化学习在二十一点 用于玩二十一点变体的几种强化学习算法的实现 为了运行所有算法，只需运行 main.py。 这将执行 test_all_algorithms() 函数，该函数运行 MC、SARSA 和线性函数近似与 SARSA，并带有显示结果的图。 其他模块的详细信息： environment.py - 包含 step() 函数和环境的实现 rl_algorithms - 包含 MC、SARSA 和线性函数逼近 plotting.py - 包含绘制值函数、SARSA 和 LFA 结果的函数 policy.py - 放置策略的地方，目前只包含 epsilon 贪婪策略 Utility.py - 计算均方误差并将状态转换为 LFA 的特征向量

基于相似度的神经网络多源迁移学习算法 基于相似度的神经网络多源迁移学习算法 基于相似度的神经网络多源迁移学习算法

Mnist-时尚-赋值-PIAIC Fashion-MNIST是Zalando文章图片的数据集-包含60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像，与来自10个类别的标签相关联。 Zalando打算将Fashion-MNIST用作直接替代MNIST原始数据集的基准机器学习算法。它具有相同的图像大小以及训练和测试分割的结构。原始MNIST数据集包含许多手写数字。 AI / ML /数据科学社区的成员喜欢此数据集，并将其用作验证其算法的基准。实际上，MNIST通常是研究人员尝试的第一个数据集。他们说：“如果它在MNIST上不起作用，那么它将根本不起作用”。 “好吧，如果它确实可以在MNIST上运行，那么在其他系统上仍然可能会失败。” Zalando试图替换原始的MNIST数据集内容每个图像的高度为28像素，宽度为28像素，总计784像素。每个像素都

免责声明 这个项目很稳定，可以长期支持。 它可能包含新的实验代码，其API可能会更改。 因果ML：用于ML进行抬升建模和因果推理的Python包 Causal ML是一个Python软件包，它提供了一套基于最近研究的，使用机器学习算法的提升模型和因果推理方法。 它提供了一个标准界面，允许用户从实验或观察数据中估计条件平均治疗效果（CATE）或个体治疗效果（ITE）。 本质上，它为具有观察特征X用户估计了干预T对结果Y的因果影响，而无需对模型形式做出强烈假设。 典型的用例包括 广告系列定位优化：提高广告系列投资回报率的重要手段是将广告定位到在给定的KPI（例如参与度或销售）方面有良好响应的一组客