machine learning SVM algorithm for EEG classification

代码实现李航统计学习经典算法，包含EM，SVM，决策树等

高效先验 Apriori算法的高效纯Python实现。 适用于Python 3.6及更高版本。 先验算法发现分类数据中的隐藏结构。 经典示例是一个数据库，其中包含从超市购买的商品。 每次购买都有许多与之相关的物品。 我们想从数据中发现关联规则，例如{bread, eggs} -> {bacon} 。 这是的目标，而可以说是解决此问题的最著名算法。 该存储库包含apriori算法的有效，经过测试的实现，如Agrawal等人于1994年发表的中所述。 该代码是稳定的并且被广泛使用。 Bonaccorso在《精通机器学习算法》一书中对此进行了引用。 例子 这是一个最小的工作示例。 请注意，在每次有eggs交易中，也有bacon 。 因此，将以100％的置信度返回规则{eggs} -> {bacon} 。 from efficient_apriori import apriori tran

#Context作者：BlastChar- ://www.kaggle.com/blastchar来源： ://www.kaggle.com/blastchar/telco-customer-churn-[IBM示例数据集]电信客户流失 内容 每行代表一个客户，每列包含在元数据列中描述的客户属性。 数据集包含有关以下信息： 在上个月内离开的客户-该列称为每个客户都已注册的Churn Services-电话，多条线路，互联网，在线安全，在线备份，设备保护，技术支持以及流媒体电视和电影客户帐户信息-他们成为客户的时间，合同，付款方式，无纸化账单，月度费用和总费用关于客户的人口统计信息-性别，年龄范围以及是否有合作伙伴和受扶养人行数：7043列数：21

hp-VPINNs: Variational Physics-Informed Neural Networks With Domain Decomposition 论文资源

Optimal Mass Transport - Signal processing and machinelearning applications

imgcook：从任何草图或图像生成页面

k-means聚类算法及matlab代码适用于Coursera机器学习的Python代码 此仓库为Andrew NG教授的Coursera机器学习课程提供了基于python的解决方案。 解决方案模仿Coursera提供的MATLAB / Octave代码。 scikit-learn模块为每种算法提供了固定的实现，但是以理解它们如何工作为代价。 这些基本版本用于巩固概念并熟悉Python科学计算堆栈。 回购组织 与课程课程不同，单个功能不是用单独的脚本编写的。 而是包含一个脚本来存储每个练习的所有帮助程序功能。 练习1：线性回归（有效） 练习2：逻辑回归（有效） 练习3：多类分类和神经网络（有效） 练习4：神经网络学习（工作中） 练习5：正则线性回归和偏差/方差（有效） 练习6：支持向量机（未启动） 练习7： K均值聚类和PCA（有效） 练习8：异常检测和推荐系统（正常运行）

机器学习库，执行多种聚类算法（k-means、增量 k-means、DBSCAN、增量 DBSCAN、有丝分裂、增量有丝分裂、均值漂移和 SHC）并执行几种半监督机器学习方法（自学习和协同训练） ）。 -------------------------------------------------- ------------------------- 要运行库，只需双击 jar 文件。 此外，您可以使用以下命令行： Java -Xms1500m -jar "ML Library.jar" 以确保 java 虚拟机有足够的空间来运行。 您可以在代码/测试下找到示例测试文件。 聚类部分的测试文件位于 code/Test/InputFile 下，其中包含两个变色龙数据集：http://glaros.dtc.umn.edu/gkhome/cluto/cluto/download 另外，您可以找到用于自学的示例测试文件并在其对应的文件夹下进行协同训练。 主要是基因/miRNAs的表达，下载地址：http://0-www.ncbi.nlm.nih.gov.elis.tmu.edu.tw/

二维React扩散方程式基于Lengyel-Epstein模型的模式机器学习（20200115〜20200730） 在科学计算实验室中，这是我的第一个机器学习项目。 我们的目的是针对使用机器学习和特征工程技术从图灵模型生成的图案图像进行分类的见解。 我们的见识适用于使用NN和聚类方法（例如k均值和凝聚）从PDE生成的图像数据。 哦，SEOYOUNG和。 “通过特征工程提取模式指导的分类思路。” | ， 数据集 Lengyel–Epstein（LE）模型开发用于描述CIMA化学React MATLAB创建的Lengyel-Epstein模型中的模式| 我们选择不同的模式进行分类 流程-演示 1 。 用于色素沉着的化学预图案和React扩散模型| ：使用MATLAB在1D中生成Lengyel-Epstein方程 2 。 用MATLAB创建基于Lengyel-Epstein模型的图案图像（2D）| The。 ：通过神经网络对3种不同的模式进行分类 3 。 梯度下降| 4 。 具有Softmax的单层神经网络| 5 。 CNN（卷积神经网络）| ：CNN的性能非常好，但是我想提高单层神经网络的