吴恩达机器学习作业

深度学习方向绘图模板，包含超过100多页的PPT，非常适合各类网络的绘图！大家可以在上面可以直接使用画出你要的机器学习深度学习模型图，比如想画一个基于Transformer的模型的图，可以直接在上面修改，非常方便。推荐收藏！

简街市场预测 作者：刘增丰，崔贤ji，郑家杰 在此项目中，目标是根据市场价格从130点的时间序列中预测市场份额的未来回报值。 该数据集是从竞赛中获得的。 以下是实现这些目标的一些可能步骤： 去噪 滚动平均值 使用小波变换的阈值 使用的机器学习模型： 决策树（CART） 线性回归 k最近邻居 人工神经网络 卷积神经网络

这是 ShowMeAI 持续分享的『随书代码』系列，文件是《ML Recipe》的随书代码。 ◉ 简介：原书包含自然语言处理、图像与文字、计算机视觉三个部分，具有相当的专业深度，对于学习者和有一定经验的从业者都是适用的，对于建立深度学习模型并解决实际任务来说，都是有帮助的。 ◉ 目录： Natural language processing / 自然语言处理 - Named entity recognition / 命名实体识别 - Masked language modeling / 掩码语言建模 - Machine translation / 机器翻译 - Causal language modeling / 概率语言建模 Image & Text / 图像与文字 - Image captioning / 看图说话 Computer vision / 计算机视觉 - Image classification / 图像分类 - Image segmentation / 图像分割 - Object detection / 目标检测

信用风险建模：使用Python和ML进行信用风险分析

克拉克·范·史丹顿（Clarke van Steenderen） 动物学与昆虫学系南非东开普省Makhanda（Grahamstown）的Rhodes University 2021年电子邮件： :pencil: 功能性 SPEDE-SAMPLER是用Python和R编写的GUI程序，用于使用GMCY方法评估采样对物种划界的影响。 该程序提供以下内容： 读取对齐的Fasta文件，并随机选择n次序列p次。 这些文件保存在输出文件夹中。 例如，可以上传十个COI序列的序列比对。 用户可能希望随机选择该数据集的50％而不进行替换，并将此过程重复15次。 因此，该程序会将15个Fasta文件写到一个文件夹中，其中每个文件包含五个序列的随机选择。 循环遍历输出文件夹，以为每个重新采样的Fasta文件产生最大似然（ML）系统发育。 有两种ML程序可用：FastTree和RAxML。 循环遍历每个ML系统

Coursera吴恩达机器学习课程整理

matlab中存档算法代码学术档案 选定的已存档MATLAB算法和处理示例 潜在的操作PDF-附录中包含生成的结果和MATLAB代码（2021） P1，P2-技术报告（撰写示例）（2020年） 可交付成果6-后处理硬件HR数据（2020） 角度算法-利用ImageJ和EMG传感器的数据进行Gata分析（2019）

all data for the match train.csv test.csv sample_submission.csv

ML-EM算法  EM算法（Expectation Maximization Algorithm，期望极大算法）是一种解决优化问题的迭代算法，用于求解含有隐变量的概率模型参数的极大似然估计（MLE）或极大后验概率估计（MAP）。EM算法是一种比较通用的参数估计算法，被广泛用于支持向量机（SMO算法）、朴素贝叶斯、GMM（高斯混合模型）、K-means（K均值聚类）和HMM（隐马尔可夫模型）的参数估计。 理解EM算法（例子）   在统计学中，概率用于在已知一些参数的情况下，预测接下来的所得到的结果；而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。   EM算法和极大似然估计的前提是一样的，都要假设数据总体的分布，如果不知道数据分布，是无法使用EM算法的。 三硬币模型   假设有3枚硬币A，B，C，这些硬币正面出现的概率分别是π \piπ，p pp和q qq。进行如下掷硬币试验：先掷硬币A，根据其结果选出硬币B或硬币C，正面选硬币B，反面选硬币C；然后掷选出的硬币，掷硬币的结果，正面记作1，反面记作0；独立重复n此试验，观测结果： 1 , 1 , 0 ,