完整的K-SVD算法，用于稀疏表示中的字典学习，比较全面的一套代码

基于认知模拟的自适应机器学习算法研究,一篇很好的论文！

使用机器学习和深度学习并结合知识图嵌入的财务报表中的股票价格预测 几十年来，能够预测单个公司的股价一直是投资者的目标。 公司的股价受许多因素影响。 这些因素包括新闻，当前的政治气候和经济状况。 但是，鉴于成功进行预测可能获得的回报，许多人都试图开发模型来精确地做到这一点。 与股票价格预测有关的许多文献都集中在趋势（价格上涨或下跌）和价格（例如几天之内或两天之间的价格变化）的短期预测中。 该项目研究了机器学习，深度学习和知识图嵌入的使用，以发现在美国证券交易所上市的公司的财务业绩与其股价之间的关系。 具体来说，这项工作涉及尝试从财务报表中生成价格预测，以及预测每个公司的年度10K报告之间单个公司股票价格变化的趋势和幅度。 这项工作为投资者提供了财务决策支持，也导致了新数据集的产生，其他研究人员可能会进一步探索。 存储库的结构如下： “数据”文件夹包含针对所研究的每个研究问题的预处理数据

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