OpenCV的haarcascades 各种分类器xml文件,训练好的分类器，有人脸，人眼，鼻子，口嘴。在github找的话，又麻烦，又难搞，关键是速度很慢，几乎要崩溃。不如直接在CSDN上面下载，一切都简单了。

SVM分类器详细介绍，可以帮助训练熟悉SVM分类器原理

基于Haar+Adaboost实现的人脸识别功能分类器 .

这是基于opencv的人脸识别+人脸检测的软件，经过修正可直接用vs运行。程序通过电脑摄像头直接采集人脸信息并储存，用户可自动训练分类器，有光照滤波等归一化处理。人脸识别主要通过gabor特征比对。

本文来自于machinelearnings。文章主要引用需要的库，提供训练集，整理数据，迭代：编写代码+测试预测结果+调整模型,抽象,等方面介绍的。理解聊天机器人的工作原理是非常重要的。聊天机器人内部一个非常重要的组件就是文本分类器。我们看一下文本分类器的神经网络（ANN）的内部工作原理。多层神经网络我们将会使用2层网络（1个隐层）和一个“词包”的方法来组织我们的训练数据。文本分类有3个特点：模式匹配、算法、神经网络。虽然使用多项朴素贝叶斯算法的方法非常有效，但是它有3个致命的缺陷：这个算法输出一个分数而不是一个概率。我们可以使用概率来忽略特定阈值以下的预测结果。这类似于忽略收音机中的噪声。这

用python实现k-近邻分类，包括约会网站配对效果和手写体识别。

国科大 徐君 网络数据挖掘 大作业 个人报告+代码+数据，可参考 README 运行环境： Python 2.7.12 jieba 0.39 numpy 1.13.3 scikit-learn 0.19.1 scipy 1.0.0 请参照此运行环境进行运行前配置。 1.运行TextProcess.py获得classifiedLabel.txt、trainSetMsg.txt以及testSetMsg.txt，得到文本处理后的规则文本数据文件； 2.运行crossValidation.py进行交叉验证； 3.其中SVM算法运行时间较长（6-7小时左右），可以注释掉或者减少数据规模来测试； 4.可调用分类器中的predict方法来利用训练后的分类器进行分类预测（垃圾短信识别）。

机器学习实战篇：采用贝叶斯方法进行新闻分类。代码有有注释，适合机器学习初学者。

Fisher线性判别分类器 本实验旨在让同学进一步了解分类器的设计概念，理解并掌握用Fisher准则函数确定线性决策面方法的原理及方法，并用于实际的数据分类。

基于Fisher准则线性分类器设计实验报告