SVMImageClassification:基于SVM的简单机器学习分类，可以使用svm, knn, 朴素贝叶斯，决策树四种机器学习方法进行分类

ELI5 ELI5是一个Python软件包，可帮助调试机器学习分类器并解释其预测。 它为以下机器学习框架和软件包提供支持： 。 当前，ELI5允许解释scikit学习线性分类器和回归变量的权重和预测，将决策树打印为文本或SVG，显示特征重要性，并解释决策树和基于树的集合的预测。 ELI5从scikit-learn了解文本处理实用程序，并且可以相应地突出显示文本数据。 支持管道和FeatureUnion。 它还允许通过撤消哈希来调试包含HashingVectorizer的scikit-learn管道。 通过Grad-CAM可视化解释图像分类器的预测。 显示功能的重要性并解释XGBClassifier，XGBRegressor和xgboost.Booster的预测。 显示功能的重要性并解释LGBMClassifier，LGBMRegressor和lightgbm.Booster的

概述 ： 在此脚本中，它使用 MATLAB 中的机器学习来预测股票的购买决策。 它将使用现实生活数据，探索如何管理带时间戳的数据并选择最适合的机器学习模型。 众所周知，准备数据和选择重要特征在模型的准确性中起着重要作用。 在这个例子中，它使用今天的技术指标来预测第二天的股票收盘价。 在这个例子中，交易策略是如果当天收盘价比开盘价高1%，那么我们应该在股市开盘时买入股票，并在股市收盘时卖出。 在这个例子中，它演示了如何对数据进行预处理以进行建模并预测模型的决策。 每个日期的新数据将被制表以重新训练新模型并找到最佳模型以进行第二天的预测。 有趣的？ [注：不提倡任何特定的策略、因素或方法] 强调 ： 使用时间表对象处理从雅虎财经下载的数据基于领域知识选择特征机器学习建模自动重新训练新模型以纳入新的更新数据以进行下一次预测预测购买决定体验有/无并行计算的计算速度 产品重点： MATLAB

基于欧⽒距离-最⼩距离分类器的鸠尾属植物分类 识别率为0.96667

利用matlab实现的bp神经网络分类，已经手动求好梯度，可以根据需要选择是否加入偏置。 经测试，正确率可达到90%以上

本资源主要是实现了一个处理连续属性的朴素贝叶斯模型并在UCA上的葡萄酒数据集上进行了测评，另外源码中还包含了与数据集预处理、sklearn中的朴素贝叶斯的对比以及降维可视化等操作且注释详细，是一份完整的机器学习入门源码。

BankChurners 机器学习分类模型可预测银行的客户流失。 嗨，访客们！ 我是数据科学的新手，但我正在通过使用在线可用数据集将所有学习实践付诸实践。 我已经使用Python生成了机器学习分类模型！ 我仍在学习，随着我学到更多，我将继续添加我的分析！

sigmoid函数matlab代码乳腺癌分类器（Logistic回归） 此代码可帮助您使用Logistic回归对恶性和良性肿瘤进行分类 Sourcerer 规范要求 示例代码在Matlab中（或更高版本可以使用）。 您可以安装Conda for python，它可以解析机器学习的所有依赖关系。 描述 Logistic回归是为方法核心使用的函数Logistic函数而命名的。 统计学家开发了逻辑函数，也称为S形函数，用于描述生态中人口增长的特性，该特性Swift增长并在环境的承载能力方面达到最大化。 这是一条S形曲线，可以采用任何实数值并将其映射为0到1之间的一个值，但永远不能精确地位于这些极限值处。 1 /（1 + e ^-值） 想要查询更多的信息， 一些注意事项 数据集-UCI-ML 我仅使用32个功能中的2个进行分类。 工作实例 执行 要运行代码，请输入run breast_cancer.m run breast_cancer.m Python实现 数据集-UCI-ML 我使用了30种功能进行分类 我使用的是1 =良性和2 =恶性，而不是0 =良性和1 =恶性 准确度〜92％ 执行

AI侍酒师 项目案例 AI能否准确预测红酒质量等级？ 无论如何，品酒师的舌头如何规范葡萄酒的化学成分，质量是什么？ 让我们尝试使用机器学习方法来回答这个问题，在该方法中，各种分类器算法将尝试发现葡萄酒评级过程中的所有模式。 作为项目的最后一部分，让我们构建一些人工侍酒师，并让他们处理实际的葡萄酒样品。 一切都以python flask应用程序的形式出现。 应用程序结构 Flask App有4个视图，每个视图代表机器学习过程的不同阶段。 每个部分都以可下载的代码模板结尾。 第1部分-数据集概述 首先，我们将仔细研究数据集。 使用numpy，pandas，seaborn和scikit-learn： 第2部分-建筑分类器 在下一步中，我们将在选择最佳拟合算法的同时建立分类器的基础： 第3部分-拟合分类器 现在，该是测试我们的分类器并查看其效果的时候了： 第4部分-对红酒进行评分 让我向您介绍我

python机器学习，K近邻算法，红酒分类实战数据集，感兴趣的自取