基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip 基于数据可视化与机器学习预测算法的智慧渔业养殖系统源码+数据库.zip

基于机器学习和深度学习的项目，内含数据集以及详细的备注源码

基于机器学习和深度学习的项目，内含数据集以及详细的备注源码

基于机器学习和深度学习的恶意域名检测算法 DGA：恶意域名生成算法 内含数据集以及训练脚本

基于机器学习的量化投资策略demo.zip这是一个demo程序，旨在帮大家快速入门基于机器学习的量化投资方法。适于人群：有一定python基础，对炒股和量化投资一无所知的人。 运行程序 首先，通过以下命令安装必需的python依赖库。 pip install -r requirements.txt 调用tusare，获取股票的历史价格数据。每支股票的数据会保存在file/data目录下，所有股票的代码保存在文件file/stock_list.txt中，作为demo我只往里面放了10支股票，实战中应该尽可能地多放一些。 python data.py 根据基础的价格数据，生成机器学习模型所需要的高级特征。最终的特征文件是pickle二进制格式，存放在目录file/feature下。 python feature.py 训练lightGBM模型。模型文件是file/model.lgb.txt。 python model.py 根据历史数据回测模型效果。每天应该买入哪支股票以及对应的收益会存储在文件file/record.csv中，同时会计算量化投资最经常关注的三个指标：累积收益、最大回

基于机器学习的疫情大数据智能分析和可视化系统源码+项目文档.zip方案实现 数据采集： 本实验数据包含北京, 香港, 上海, 四川, 河北, 甘肃, 陕西, 辽宁, 广东, 台湾, 福建,重 庆, 浙江, 江苏, 天津, 云南, 澳门, 湖北等 34 个省份城市(含港澳台)的疫情数据，其中数据 字段包括： 读取数据 数据预处理 缺失值处理 日期转换 连续数值转换 离散数值转换 特征工程 建立模型 模型训练 模型评估 模型优化 模型实施 中国高校计算机大赛-网络技术挑战赛选拔赛阶段作品设计文档 id：数据编号 confirmedCount：累计确诊 confirmedIncr：新增确诊 curedCount：累计治愈 curedIncr：新增治愈 currentConfirmedCount：现存确诊 currentConfirmedIncr：新增现存确诊 dateid：日期 deadCount：累计死亡 deadIncr：新增死亡 suspectedCount：累计疑似 suspectedCountIncr：新增疑似 数据预处理： 1、统计数据行列数，查看部分数据，如图 1： df.sh

基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为，并爬取数据。 数据清理 如果文本中有“666“，”好好好“等无用词语，去掉评论中的标点符号。 分词 使用jieba精确模式进行分词，构造词典 将词汇向量化 创建词语字典，并返回每个词语的索引，词向量，以及每个句子所对应的词语索引 分类模型对比 SVM vs LSTM 基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为，并爬取数据。 数据清理 如果文本中有“666“，”好好好“等无用词语，去掉评论中的标点符号。 分词 使用jieba精确模式进行分词，构造词典 将词汇向量化 创建词语字典，并返回每个词语的索引，词向量，以及每个句子所对应的词语索引 分类模型对比 SVM vs LSTM 基于机器学习的商品评论情感分析——毕业设计项目.zip从淘宝爬取评论 使用Selenium模拟真实登录行为，并爬取数据。 数据清理 如果文本中有“666“，”好好好“等无用词语，去掉评论中的标点符号。 分词 使用jieba精确

使用PCA、NMF和HOG特征，分别配以KNN（k=1,3,5）和SVM两类分类器，实现对交通标志的分类（包括对其余类的拒识）（Matlab完整源码和数据） PCA_KNN : PCA + KNN PCA_SVM : PCA + SVM NMF_KNN : NMF + KNN NMF_SVM : NMF + SVM HOG_KNN : HOG + KNN HOG_SVM : HOG + SVM

基于机器学习GRU_CNN_KNN_SVM_RF5种实现的web攻击检测系统项目源码+数据集+模型+项目说明.7z 基于聚类的XSS和SQL注入检测 基于机器学习的XSS和SQL注入检测 现了基于GRU，CNN，KNN，SVM，RF共五个检测模型 检测过程：数据加载-》数据预处理(urldecode和转小写)->向量化（预训练word2Vec模型，padding补齐）->模型训练->模型预测->模型评估

基于机器学习的多因子研究框架源码+项目说明.7z