为了帮助正在学习深度学习的伙伴们，川大的一名优秀毕业生，在GitHub上创建了一个项目：《深度学习500问》，通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书已达18个章节，近50万字，全是中文！！ 下面，我们来看一看该项目有哪些硬核干货吧！ 全书目录 该项目更确切地说是一本深度学习面试手册，500 问，非常详细。全书共分为 18 章，近 50 万字，目录如下： 数学基础 机器学习基础 深度学习基础 经典网络 卷积神经网络（CNN） 循环神经网络（RNN） 生成对抗网络（GAN） 目标检测 图像分割 强化学习 迁移学习 网络搭建及训练 优化算法 超参数调试 GPU 和框架选型 自然语言处理（NLP） 模型压缩、加速及移动端部署 后端

matlab中存档算法代码神经网络 这是我对K-NN机器学习分类算法的实现。 它是用Matlab编写的，并使用来自的数据将数据分为两类（良性或恶性） 它使用十倍交叉验证将数据集分为训练和测试集 它具有更改代码中K个邻居的数量的能力，因此可以选择分类时要考虑的邻居个数 该程序输出准确性，敏感性和特异性作为善度的量度

MapReduce-机器学习 一些机器学习算法的 Map-Reduce 实现

机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合

探索性数据分析/ 支持向量机/ word2vec/ 贝叶斯-拼写检查器.zip 贝叶斯-新闻分类.zip 贝叶斯Python文本分析.zip 降维算法.zip 聚类算法.zip 决策树.zip 科比数据集分析.zip 逻辑回归-信用卡欺诈检测.zip 神经网络.zip 数据预处理.zip 梯度下降求解逻辑回归.zip 推荐系统.zip 支持向量机.zip GMM聚类.zip Python时间序列.zip Xgboost调参.zip

实现pysc2环境的强化学习算法

GWO优化LSTM分类，这个代码分了两类。

Cart Pole 在 OpenAI 的 gym 模拟器里面是相对比较简单的一个游戏。游戏里面有一个小车，上有 一根杆子。小车需要左右移动来保持杆子竖直。如果杆子倾斜的角度大于 15°，那么游戏结束。小车也不 能移动出一个范围（中间到两边各 4.8 个单位长度）。详细设计见md文件。

资源内包含新冠肺炎的原始数据，测试集、训练集等，以及进行数据可视化分析及算法预测分析的源码文件（ipynb格式） 这份分析代码主要分为以下几个部分： - 全球趋势分析 - 国家（地区）增长 - 省份情况 - 放大美国：现在美国正在发生什么？ - 欧洲 - 亚洲 - 现在哪个国家正在复苏？ - 什么时候会收敛？通过S型拟合进行预测

具有随机权重的前馈神经网络的迭代学习算法