音乐流派分类 关于该项目 该项目旨在使用多种模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据。 该项目的灵感来自上的代码，该代码实现了K-Nearest Neighbor方法来解决此问题。 这是该项目的起点。 数据集： : 笔记本电脑 从音频样本中提取梅尔频率倒谱系数（MFCC）。 包括K-最近邻方法对流派进行分类（来自 ）。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数，以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MFCC。 将MFCC均值和协方差矩阵特征转换为Pandas数据帧。 训练了逻辑回归模型以使用这些功能对音乐流派进行分类。 调整模型以通过增加正则化强度和随机化数据来防止过度拟合。 探索了使用PCA减少功能部件数量的影响。 使用Librosa从音频样本中提取梅尔频谱图。 这种非结构化数据对于卷积神经网

amazon_access 关于Amazon Employee Access Challenge的EDA和分类实践

Sentinel-2-GEE

期权价格使用FFT：使用Carr＆Madan方法和快速傅里叶变换来计算期权价格

数据分析全课程

大数据2020

Quantum-AnoGAN:这是用于异常检测的混合量子经典Ano-GAN算法的实现，其测试专门针对在智能电网的网络攻击场景下测试该算法

使用机器学习进行钻石价格预测 Ironhack项目模块3的存储库-Kaggle竞赛 主要议题 数据处理-熊猫 建立，评估和部署机器学习模型-Scikit-Learn 安装 使用程序包管理器pip或在执行笔记本的环境中安装库。 所需的库如下所示： conda install pandas conda install - c conda - forge scikit - learn

具有线性不等式约束的牛顿ADMM方法 笔记： 将惩罚指标用于不平等约束 斯普利特（规范的）损失和惩罚与平等约束 使用ADMM （乘数的交替方向方法）解决等式约束问题 原始子问题使用牛顿法求解（一步） 牛顿反演可以使用直接反演或CG（共轭梯度）完成 要求： （规范的）损失具有明显的梯度和粗麻布。 Logistic回归的示例

机器学习：机器学习研究中的实验，算法和报告