1.3 公钥密码体制－ECC密钥对生成 第一讲 密码学基础  ① 选择一个椭圆曲线E:y2≡x3+ax+b(mod p)， 构造一个椭圆群Ep(a,b)；  ② 在Ep(a,b)中挑选生成元点G=(x0,y0)，G应 使得满足nG=O的最小的n是一个非常大的素数；  ③ 选择一个小于n的整数nB作为其私钥，然后 产生其公钥PB=nBG；  注：公开的信息(E,G,n,PB)

sklearn的各种特征工程函数，包括归一化、缺失值处理、特征选择等，参考博客http://www.cnblogs.com/jasonfreak/p/5448385.html

sklearn的官方文档，2000多页，很好的工具书

机器学习实战，促进学习，交流，更好的为人类发展做出贡献，此版本有中文，英文版本，还有源码，

自己按照官方文档整理的sklearn的各个模块以及主要接口，适合‘查表’使用

检测帕金森病 帕金森氏病与运动障碍症状有关，例如震颤，僵硬，运动迟缓和姿势不稳。 运动迟缓和僵硬的表现通常在疾病的早期。 这些对患者的笔迹和素描能力有显着影响，显微照相术已被用于帕金森氏病的早期诊断。 虽然人的笔迹受许多因素（例如语言熟练程度和教育程度）的影响，但发现绘制形状（例如螺旋形）是一种非侵入性且独立的措施。 怎么跑 python detect_parkinsons.py --dataset dataset/spiral python detect_parkinsons.py --dataset dataset/wave

sklearn API 文档

【课程简介】 本课程适合所有需要学习机器学习技术的同学，课件内容制作精细，由浅入深，适合入门或进行知识回顾。 本章为该课程的其中一个章节，如有需要可下载全部课程 全套资源下载地址：https://download.csdn.net/download/qq_27595745/85274948 【全部课程列表】 day01-机器学习概述、特征工程、机器学习算法 共127页.pptx day02-sklearn、knn、朴素贝叶斯、决策树、随机森林 共102页.pptx day03-线性回归、岭回归、逻辑回归、分类、聚类算法 共86页.pptx day04-Tensorflow基础与进阶 共74页.pptx day05-Tensorflow IO操作-队列和线程、文件读取、图片处理 共40页.pptx day06-Tensorflow、人工神经网络、卷积神经网络、图片识别 共65页.pptx day07-CIFAR图像分类 图像识别、分布式会话函数、分布式TensorFlow、推荐系统 共76页.pptx

实现了高斯、多项式、伯努利三种朴素贝叶斯模型，能够处理离散型数据和连续型数据，并提供预测结果概率。对于像鸢尾花这类的连续型数据可以直接采用MyGaussianNB预测。离散型数据采用MyMultinomialNB预测。离散型数据，且特征值只有0,1两种取值情况的采用MyBernoulliNB预测。三种模型都可以通过score方法评估模型准确率，都可以通过predict_proba方法输出预测结果概率。 此外，为了优化和改进模型，使MyMultinomialNB和MyBernoulliNB能够预测连续型数据，还实现了基于numpy和pandas的分箱函数MyDiscretizer以及二值化函数MyBinarizer。

竞赛中，数据集中包括60秒的传感器数据序列进行分类，指示受试者在序列期间是否处于两种活动状态之一。 train.csv ： 训练集，包括约26000个60秒的13个生物传感器的记录，供近1000名实验参与者使用 - sequence： 序列，每个序列的唯一id - subject： 受试者，实验中受试者的唯一id - step： 步长,录制的时间步长，以1秒为间隔 - sensor_00-sensor_12： 13个传感器在该时间步的值 train_labels: 标签, csv-每个序列的类标签。 - sequence： 序列，—每个序列的唯一id。 - state：状态，与每个序列关联的状态。这就是你试图预测的目标。 test.csv ：测试集。对于12000个序列中的每一个，您都应该预测该序列状态的值。 sample_submission.csv ：提交样品，csv-正确格式的示例提交文件。 后继将写一篇关于如何使用数据集的文章，敬请关注。