Master Machine Learning Algorithms.zip 掌握机器学习算法 课程代码

温暖 强化学习的猎物模型 使用TensorFlow的捕食者-被捕食者系统的简单Q学习演示

最佳实践 在材料信息学研究中应该（也应该不）做的事情。 这是一个知识库，其中包含与出版物“材料科学家的机器学习：最佳实践入门指南”相关的Python代码和Jupyter笔记本。 包括这些笔记本是为了说明按照最佳实践创建的假设的材料科学机器学习项目。 该项目的目标是在给定化学成分和条件（测量温度）的情况下预测材料的热容量。 要阅读制作这些笔记本的主要出版物，请参阅： 汪宇东； 默多克，瑞安·J。 Kauwe，史蒂文·K。 Oliynyk，Anton O .； 亚历山大·古洛； 雅各布，布高奇； 克里斯汀·A·Perl森； Sparks，Taylor D.， ， 《材料化学》， 2020年， 32（12） ：4954–4965。 DOI： 。 目录 如何引用 安装 打开Jupyter笔记本 使用Jupyter笔记本 如何引用 如果您选择采用或改编此“方法/协议”文章中提到的方法，请

GTSRB TensorFlow Lite 德国交通标志基准数据集的示例TensorFlow Lite分类模型。 创建该项目的目的是展示如何在之上构建卷积神经网络（通过Transfer Learning），并在TensorFlow Lite SDK的移动应用程序中使用卷积神经网络。 有关更多详细信息，请检查： 博客文章： 具有：数据集准备，模型训练和验证，转换为TensorFlow Lite。 数据集： 灵感：

近邻取样插值matlab代码基于机器学习的降尺度模型 该目录包含由智能决策支持设施的研究生开发的各种统计缩减模型和工具的源代码。 这些模型包括天气生成器，变化因子气候缩放算法和基于回归的模型。 此外，还开发了一个用户界面，以方便准备要在每种模型中使用的数据文件。 此处的每个子目录均包含以下列出的缩减模型或工具之一，以及示例输入和输出CSV文件以及有关运行模型的说明。 有关这些模型的更多详细说明和信息，请参阅可用的蓝皮书。 如果您希望将模型用于研究或发布目的，请引用我们的蓝皮书： Sohom Mandal，Patrick A.Breach，Abhishek Gaur和Slobodan P.Simonovic（2016）。 降低气候变量规模的工具：技术手册。 水资源研究报告编号097，智能决策支持工具，加拿大安大略省伦敦市土木与环境工程系，共95页。 国际标准书号（ISBN）：（印刷）978-0-7714-3135-7； （在线）978-0-7714-3136-4。 模型 目录 语 Beta回归（BR） 缩小比例/ br Matlab的 变更因子方法论（CFM） 缩小/ cfm Pytho

Zillow预测模型：使用Kaggle数据集的机器学习项目

点击率模型 基于纯Spark MLlib的CTR预测模型，无第三方库。 实现模型 朴素贝叶斯 逻辑回归 分解机 随机森林 梯度提升决策树 GBDT + LR 神经网络 内部产品神经网络（IPNN） 外部产品神经网络（OPNN） 用法 这是一个行家项目。 Spark版本是2.3.0。 Scala版本是2.11。 在maven自动导入依赖项之后，您可以简单地运行示例函数（ com.ggstar.example.ModelSelection ）来训练所有CTR模型并获得所有模型之间的指标比较。 有关点击率预测的相关论文 其他资源

深度签名转换 在神经网络中将签名变换用作池化层。 这是Bonnier，Kidger，Perez Arribas，Salvi，Lyons 2019的论文的代码。 看看了PyTorch实现签名变换。 概述 如果您已经对神经网络有所了解，那么您的想法就是“签名变换”是一种非常出色的变换，它可以从数据流中提取特征，因此尝试将其内置到其中是很自然的事情。我们的神经网络模型。 如果您已经开始了解签名，那么您可能知道它们以前仅用作功能转换，并在其上构建了模型。 但是实际上可以通过签名变换反向传播，因此，只要您正确地设计模型（必须“保持流”；请参阅本文），那么将签名嵌入到神经网络中实际上是有意义的。 在签名变换之前学习非线性可以提供一种紧凑的方式来选择（原始路径的）签名中的哪些项对给定的数据集有用。 什么是签名？ 数据流的签名本质上是有关该数据流的统计信息的集合。 统计信息的收集在捕获有关数据流的

吴恩达Machine Learning课程PPT讲义，有手写笔记，是PDF格式

基于网络的入侵检测系统：基于网络入侵检测系统的最后一年项目