stockDL：用于股票价格预测和计算的深度学习库
复制粘贴不是您应该共享代码的方式。
特征
基于2种传统股票市场算法[买入，持有和移动平均]和2种深度学习算法[LSTM网络和Conv1D + LSTM网络]的单一股票交易和价格比较
以JSON格式返回结果，包括总总收益，年总收益，总净收益和年净收益。 此JSON结果可用于基于Web的价格预测。 考虑到印度的经纪人佣金和资本利得税[可以修改]
每次运行库时都进行动态模型训练，从而使模型不受上帝行为，大流行，突然亏损，股价上涨引起的异常股票市场变化的影响。
Yahoo Finance API的最新财务数据收集（从股票开始日期到当前数据）。
与Flask或另一个python后端轻松进行后端集成，以进行Web部署。
在带有4992 NVIDIA CUDA和24 GB VRAM的Tesla K80 GPU上，结果处理时间不到90秒。 比其
2021-11-05 09:59:10
21.37MB
1
从数据到麻省理工学院AI实验室的开源项目。
猎户座
执照：
发展状况：
主页： ：
文档： :
概述
Orion是为无监督时间序列异常检测而构建的机器学习库。 利用给定的时间序列数据，我们提供了许多“已验证”的ML管道（也称为Orion管道），这些管道可以识别稀有模式并将其标记以供专家审核。
该库利用了在下开发的许多自动机器学习工具。
最新消息：在博客系列中了解有关在纽约出租车数据集上使用Orion管道的信息：
第1部分：了解无监督时间序列异常检测
第2部分：了解我们如何使用GAN解决问题？
第3部分：如何评估异常检测管道？
笔记本：启动我们的笔记本，通过colab发现Orion ！
快速开始
用pip安装
安装Orion的最简单和推荐的方法是使用pip ：
pip install orion-ml
这将从PyPi中拉出并安装最新的稳定版本。
在下面的示例中
2021-11-04 18:27:58
3.73MB
1
Simd：使用以下SIMD的C ++图像处理和机器学习库：SSE，SSE2，SSE3，SSSE3，SSE4.1，SSE4.2，AVX，AVX2，AVX-512，VMX（Altivec）和VSX（Power7），NEON臂
2021-11-01 10:35:16
3.93MB
1
(Python)同态加密深度学习库
简介 PySyft 是一个用于安全、私密的深度学习的 Python 库。
PySyft 使用 PyTorch 中的联合学习、差分隐私和多方计算 (MPC) 将私有数据与模型训练分离。
加入 Slack 上的运动。
PySyft 详解 在关于 arxiv PySyft 的论文中可以找到对 PySyft 的更详细解释，Siraj Raval 预安装也以视频形式进行了解释。可选地，我们建议您在 Conda 虚拟环境中安装 PySyft。
如果您使用的是 Windows，我建议安装 Anaconda 并使用 Anaconda Prompt 从命令行工作。
conda create -n pysyft python=3 conda activate pysyft # 一些旧版本的 conda 需要“source activate pysyft”。
conda install jupyter notebook 安装 PySyft 支持 Python >= 3.6 和 PyTorch 1.1.0 pip install syft 如果您有关于 z
2021-10-31 08:01:46
6.58MB
1
Price-prediction-and-recommendation-of-second-hand-housing-in-Shanghai
Price prediction and recommendation of second-hand housing in Shanghai（上海地区二手房价格预测及推荐）
先上系统运行的截图：
1、本系统为本人读研数据课课程project。
2、本系统主要功能：爬取链家上海地区二手房信息，使用postgresql的机器学习库MADlib，采用KNN算法对用户输入的需求信息预测房价及推荐五个相似房源。
3、开发环境：centos7 64位、PostgreSQL9.5、MadLib1.13、pgAdmin4.2、Python2.7（web部分）、python3.6（数据爬取及处理部分）
本系统web显示界面在好友蒋雯协助下完成，其他工作由我完成。
da
2021-10-28 20:47:43
3.58MB
1
Flink ML是一个提供机器学习（ML）API和库的库，可简化机器学习管道的构建。 它为MLlib开发人员提供了一套标准的ML API，以实现ML算法，并提供了ML算法库，这些库可用于为训练和推理工作构建ML管道。
Flink ML是在的保护下开发的。
建设项目
运行mvn clean package命令。
然后，您将找到一个包含应用程序的JAR文件，以及可能作为依赖项添加到该应用程序的任何库： target/-.jar 。
贡献
您可以在了解有关如何进行贡献的更多信息。 对于代码贡献，请仔细阅读“部分，以了解正在进行的社区工作。
执照
该存储库中的代码已获得。
2021-10-12 16:10:49
153KB
1
可读，可重用，可扩展
Machin是为pytorch设计的增强库。
支持的型号
任何事物，包括循环网络。
支持的算法
当前，Machin已实现以下算法，该列表仍在增长：
单代理算法：
多主体算法：
大规模并行算法：
增强功能：
支持的算法：
进化策略
基于模型的方法
特征
1.可读
与其他强化学习库（例如著名的 ， 和。 Machin尝试仅提供RL算法的简单明了的实现。
Machin中的所有算法均以最小的抽象设计，并具有非常详细的文档以及各种有用的教程。
2.可重复使用
Machin采用与pytorch类似的方法，将算法和数据结构封装在自己的类中。 用户无需设置一系列data collectors ， trainers ， runners ， samplers ...即可使用它们，只需导入即可。
模型上的唯一限制是它们的输入/输出格式，但是，这些限制很小，可以轻松地使算法适
2021-09-17 19:09:16
1.54MB
1