主要有如下部分：1.如何安装Python 和相关机器学习的库模块； 2.如何用数据库里面的数据; 3. 用不同的机器学习算法对数据库里的数据进行分类预测并比较各种预测算法的准确性； 4. 选择最优算法进行预测

该工具能够生成libsvm数据。在使用SVM之前需要转成SVM所需的格式,其格式为：label value1 value2… 使用svm之前的数据格式的转换相信是每个用libsvm的人都需要考虑的问题，一方面可以自己便代码实现，另一方面也可以利用FormatDataLibsvm.xls来实现。

Training Issues & CNN Development

turbofan_failure：飞机发动机故障预测模型

机器学习，分类器设计，包含BP神经网络设计和SVM分类器模型。

多尺度领域对抗多实例学习CNN（CVPR2020） 抽象的 我们提出了一种从组织病理学图像中对癌症亚型进行分类的新方法，该方法可以在给定的完整幻灯片图像（WSI）中自动检测肿瘤特有的特征。应当通过参考WSI对癌症亚型进行分类，即WSI，即整个病理组织玻片的大尺寸图像（通常为40,000x40,000像素），该图像由癌症和非癌症部分组成。一种困难来自与注解WSI中的肿瘤区域相关的高昂成本。此外，必须通过更改图像的放大倍率从WSI中提取全局和局部图像特征。此外，应针对医院/标本之间的染色条件差异，稳定地检测图像特征。在本文中，我们通过有效地结合多实例，领域对抗和多尺度学习框架，开发了一种基于CNN的癌症亚型分类新方法，以克服这些实际困难。 本文档说明了如何在ref [1]中将源代码用于多尺度域对抗多实例倾斜（MS-DA-MIL）CNN。该算法针对数字病理图像的二进制分类问题，其中每个载玻片被分

CFD中的机器学习案例 该存储库包含出版的文章使用的代码。 安装 我们建议使用单独的虚拟环境。 要创建一个，运行 python3 -m venv < ENV> 通过运行输入 source < ENV> /bin/activate 要安装需求，请运行 cd flowfusic_cylinder_flow pip install -r requirements.txt 使用代码库 创建机器学习模型的三个主要步骤可以代替CFD管道的一部分。 在继续之前，请确保您位于存储库的主目录中。 生成几何 python make_geometry_dataset.py 生成样品流 训练卷积神经网络模型 python train.py

基于CNN的人脸识别考勤系统包含预训练模型可以直接运行

MATLAB CNN-SVM分类程序，含详细注释及数据， 以改进VGG网络为例，提取某一网络的某一层特征并用SVM完成分类。

参数全部配置好了 直接改学号就可以交作业