二元分类模型比较 在本笔记本中，我使用生成的二进制分类数据比较了Scikit-Learn算法 ， ， ， ， ， 和简单的ANN在Keras和PyTorch中构建的预测精度。

yan 和Python 库。 它应该非常有用： 对扩展理论感兴趣的 ANP/AHP 研究人员 需要做计算的从业者 学生学习理论 希望使用出版的从业者和理论家 安装 首先你需要安装 Jupyter 和 Python。 最简单的方法是安装anaconda： 从下载并安装带有Python 3.6的 提供了更多说明 现在您可以直接从终端（或 Windows 控制台）安装pyanp pip install pyanp 或者如果你想从 github 安装最新的技术： pip install git+https://github.com/wjladams/pyanp.git 教程/文档 如何开始贡献 程序员参考 Gitlab 与 Github 目前主要开发在github上，但镜像到gitlab

EMNLP2019-NRMS 论文“具有多头自我注意的神经新闻推荐”的源代码。

用于高分辨率图像合成的驯服变压器 *，*，*平等贡献 tl; dr通过引入卷积VQGAN，我们将卷积方法的效率与转换器的表达能力相结合，该算法学习了上下文相关的视觉部分的密码本，其组成是使用自回归转换器建模的。 | | 消息 我们添加了一个，用于比较两个VQGAN和OpenAI的 。 另请参阅。 我们现在包括预训练模式的概况 。 我们添加了和模型。 流式演示现在支持图像完成。 现在，我们包括D-RIN数据集中的几个示例，因此您可以运行而无需先准备数据集。 现在，您可以使用我们的采样。 要求 可以使用以下方法创建并激活一个名为taming合适的环境： conda env create -f environment.yaml conda activate taming 预训练模型概述 下表概述了当前可用的所有型号。 FID分数是使用进行评估的，而没有拒绝抽样。 作为参考，我们

DSC680项目 以前课程的作品集 项目1-使用Spark ALS的推荐系统：电影推荐 项目2-使用Tensorflow的线性回归模型：房屋价格预测 项目3-Logistic回归-预测广告点击 项目4-统计分析和分布-糖尿病 项目5-乳房X线照片质量分类-监督学习模型 项目6-使用R-红葡萄酒或白葡萄酒进行K均值聚类 项目7-决策树和随机森林-预测贷款偿还 项目8-TensorFlow 2.0-预测模型-贷款违约率 项目9-K-均值聚类-银行市场细分 项目10-自然语言处理-垃圾邮件检测过滤器

欺诈检测模型

客户细分 该项目是关于使用K-means在购物中心进行客户细分。 该项目中使用的语言是Python。

时间序列分析 非常有趣的时间序列机器学习模型 这主要集中在使用表格数据集的时间序列分析上。 探索性数据分析（EDA）包含： 每日，每月和每年的销售额 使用Qunatile方法查找数据的异常值 平稳计算，自相关函数（ACF）和偏相关函数（PACF） 我用于时间序列分析的模型 ARIMA，SARIMAX 线性回归 随机森林回归 决策树回归器 梯度提升回归器 Ada Boost回归器 XG加速 K邻居回归器 支持向量回归 LSTM

有趣的python数据分析及可视化小项目 1. 爬取并分析北上广深链家网租房房源全部数据，得出租房建议（北上广深租房图鉴） 项目主要爬取北上广深链家网全部租房房源数据，并且得出租金分布、租房考虑因素等建议 主要的文件为： house_data_crawler.py：爬取北上广深租房房源数据的代码（带说明和注释, 需要安装mongodb） info.py：租房类型和各城市各区域的信息，供house_data_crawler.py调用 北上广深租房图鉴.ipynb: Jupyter notebook代码，对北上广深租房数据进行分析 data_sample.csv: 租房数据，这里只随机选择了12000条，每城市3000条 运行环境： python3.7 需要安装的包： requests pyecharts pandas numpy pymongo Crawling and analysing

ML模型 使用葡萄酒质量数据集的KNN分类模型