线性神经网络模型与学习算法.rar

WebShell是网络入侵的常用工具，具有威害性大、隐蔽性好等特点。目前的检测手段较简单，容易被绕过，难以对付复杂灵活的 WebShell。针对这些问题，提出一种智能检测 WebShell 的机器学习算法，通过对已知存在WebShell和不存在WebShell的页面进行特征学习，完成对未知页面的预测，灵活性、适应性较好。实验证明，相比传统的WebShell检测方法，该算法的检测效率、正确率更高，同时也能以一定概率检测出新型的WebShell。

本资料主要讲述机器学习算法的基本原理，以及通过Python实现的算法实例 主要涉及算法：回归算法、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、主成分分析、EM算法、神经网络、时间序列分析、文本分析 博客总结：https://editor.csdn.net/md?not_checkout=1&spm=1001.2014.3001.5352&articleId=128316144

基于机器学习算法实现对A股股票走势预测系统源码+数据集+项目说明.7z 数据集、源码、模型、 特征提取工程 A股股票走势预测系统

rbf预测数学代码机器学习 使用MATLAB的经典机器学习问题的算法 没有使用机器学习包 Scratch提供的所有自行编写的源代码。 包含的主题： - Nearest Neighbor Methods (KNN Classification/Regression) - Clustering (K-Centers, DP-Centers) - Linear Methods: - LDA and Ridge Regression - Logistic Regression (SGD) - Support Vector Machine (SSGD) - Dimensionality Reduction using PCA - Kernel for SVM & Clustering 分类 Logistic回归和随机梯度下降算法 训练数据集：3个类，R ^ 4中的功能 SGD算法在迭代中的学习进展： 具有RBF内核的Binary-SVM 培训数据集和结果决策边界： SSGD算法在迭代中的学习进展： K最近邻居算法 训练数据集： 通过KNN算法进行的预测： 聚类 K均值算法 聚类结果：K = 3

基于生物启发式算法的多智能体强化学习算法，强化学习，生物启发算法

基于生物启发式算法的多智能体强化学习算法matlab和python实现

Python机器学习 通用机器学习算法的Python代码

问题陈述 一种用于基于用户搜索来推荐书籍的书籍推荐系统。 数据集 您可以从下载数据 数据集详细信息 BX-Book-Ratings.csv 用户ID（提供评分的用户） ISBN（由用户评定的图书的ISBN） 预订率（从0到10） BX-Books.csv ISBN（本书的ISBN） 书名（书名） 图书作者（书籍的作者） 出版年份（该书出版的年份） 出版商（该书的出版商） Image-URL-S（用于小尺寸图像的URL） Image-URL-M（中型图像的URL） Image-URL-L（用于大尺寸图像的URL） BX-Users.csv 用户ID（用户） 位置（用户地址） 年龄（用户年龄） 算法 所使用的算法是KNN机器学习算法，它实际上是一种查找其最近邻居的算法。 执行程序说明 您可以直接从github克隆或下载项目。 下载项目后，您需要可从下载的数据集

从完全生语料中提取生成树，该算法用于模式训练，利用信息统计的手段解决传统规则学习的一种有价值的探索。