MTBook：《机器翻译：基础与模型》肖桐朱靖波着-机器翻译：基础和模型

数据科学竞赛经验谈 如何做数据分析？如何做数据清洗？如何做特征工程？（面向关系型数据的特征工程系统化分析方法）如何做特征选择？如何选择合适的机器学习模型？如何调参？如何做模型融合？如何上分刷榜？ 请各位直接到以下链接阅读： : 想咨询竞赛经验，快速上分，争夺奖金的同学，欢迎来到大卫的小屋与我交流： 纯文字PDF版已经制作完成，已与PPT版一起上传至我的知识星球

储存库（v0.2.3） 一个简单而灵活的代码，用于诸如Echo State Networks（ESN）之类的储层计算架构。 ReservoirPy是一个基于Python科学模块的简单易用的库。 它提供了灵活的接口来实现高效的储层计算（RC）架构，尤其侧重于回声状态网络（ESN）。 与基本的Python实现相比，ReservoirPy的高级功能可提高简单笔记本电脑上的计算时间效率。 它的一些功能包括：脱机和在线培训，并行实现，稀疏矩阵计算，快速频谱初始化等。此外，还包括图形工具，可借助hyperopt库轻松地探索超参数。 该库适用于Python 3.6及更高版本。 官方文件 请参阅以了解有关ReservoirPy的主要功能，其API和安装过程的更多信息。 实例和教程 以获取安装，示例，教程和Jupyter Notebooks。 版本号 要启用ReservoirPy的最新功能，您米格思想

机器 树莓派cnc机器控制器 开始了这个项目，将我的Sieg微型铣床转换为cnc机器。 这个想法是使用树莓派作为其GPIO的控制器，因此不涉及（8位）微控制器。 完整的PC界面是目标之一，它具有对gcode执行的图形化监控，以使调试变得容易;）和一个用于编辑参数（滞后，每毫米步数等）的键盘。 盾 该软件旨在与（自制）TL-cnc rpi防护罩一起使用。 它利用了三种pololu步进驱动器（a4988 / drv8825）和一个微芯片IO扩展器（用于操纵杆和旋转编码器控制）。 工作正在进行中... 。 依存关系 下载并安装以下软件包： git clone git clone git clone git clone git clone

coursera上吴恩达的《machine learning》的所有大作业Code,仅供大家参考之用。

Land of Lisp、Machine Learning in Action

机器学习回归项目 使用的著名UCI数据集来预测葡萄酒质量。

UFC预测 用法 前往 选择回合的重量等级 选择比赛预定的5分钟回合数 选择战斗是否为冠军争夺 选择战斗机名称 点击预测 细节 使用了Beautiful Soup，收集了从1993年到现在的事件和战斗统计数据。 清洗，预处理和功能化的数据在每一行上都是战斗机及其各自战斗/战斗状态的历史表示。 数据集已上传，现在可以在Kaggle上找到： ://www.kaggle.com/rajeevw/ufcdata 过度采样的少数类，使用RandomForestClassifier和XGBoostClassifier创建并测试了预测模型 使用破折号创建了一个Web应用程序，并将其与docker部署在heroku上。 结果 准确性（有效）：0.7218 AUC分数（有效）：0.7763 0对应于蓝色：蓝色角中的Fighter 1对应于红色：红色角落中的战斗机 通常，失败者在蓝色角落，而

使用深度学习进行生存分析 该存储库包含基于贝叶斯深度学习的文章，论文和用于生存分析的存储库。 文件 Rajesh Ranganath，Adler Perotte，David Blei等人进行的深度生存分析。 JMLR 2016 资料来源： : 生存筛选器：Rajesh Ranganath，Adler Perotte，David Blei等人的“潜在时间序列的联合生存分析”。 2015年，阿拉伯联合酋长国资料来源： : DeepSurv：使用Cox比例危害深层神经网络的个性化治疗推荐系统，作者：Jared Katzman，Uri Shaham，Jonathan Bates，Alexander Cloninger，Tingting Jiang，Yuval Kluger。 ACML 2016 资料来源： : 具有竞争风险的生存分析的深层多任务高斯过程，作者：Ahmed M. Alaa

生存分析中机器学习方法的仿真研究 在Weibull分布下或具有复杂基线风险（转折点）的情况下模拟生存时间，其中协变量对风险的线性或线性和非线性影响以及审查水平的变化。 将模拟数据集分为训练和测试数据集。 适合随机森林； 支持向量机将带有弹性网罚的Cox模型和受罚样条曲线（弹性参数）模型应用于训练数据集。 记录各种方法所需的时间。 使用训练数据集中的拟合模型预测测试数据集中的风险评分。 计算一致性指数，将测试数据集中的预测风险分数与观察到的审查状态和生存时间进行比较。