在这个项目中，实施并探索了一种机器学习方法，将创业公司分为两类（成功和失败）。该项目的数据集是从Crunchbase获取的。它由11个不同的表格组成，其中包含创业公司、投资者、关系和创始人在生态系统中的背景等信息。四个表入围并合并为一个数据集。然而，在数据转换和预处理之后，由于数据稀疏，必须丢弃大量数据。最终的数据集由61716个创业实例和36个功能组成。还进行了特征缩放，将特征数量减少到7个，同时保持相同的预测能力。

包括：匈牙利算法基本概念；匈牙利算法具体流程；匈牙利算法特点及应用；KM算法；KM算法特点及应用

2022吴恩达machine-learning 1.Supervised Machine Learning Regression and Classification 本资源包含C1的测验作业和python大神改进的Jupyter note版本编程作业

机器学习与深度学习文档，作为人工智能领域(数据挖掘/机器学习方向)的基础课程，为长期从事人工智能方向打下坚实的基础。

基于机器学习的python车牌识别系统源码.zip将汽车照片的绝对路径输入，先进行图像预处理，通过神经网络分类，最后输出车牌号 实现程序： Gui.py 2. 图像预处理 将源图片进行均值迁移，然后筛选蓝色，进行开操作消除噪声，进行闭操作填充车牌，然后进行矩形轮廓筛选，标记并剪切图片，然后压缩分割字符，调整字符图片大小，将字符图片写入文件。 实现程序： Find_card.py Spilt_char.py Op.py 3. 训练神经网络 设置好神经网络参数以及将训练集加标签归一化后，基于tensorflow进行训练，根据数字字母训练集和汉字训练集训练好两个网络模型写入文件。 实现程序： Bp_char.py Bp_chinese.py 4. 字符识别 先将预处理好的图片归一化，然后特征提取，分别使用训练好的分类器进行分类，然后再合并输出。 实现程序 Predict.py 5. 环境与依赖 语言：python3.7 依赖：opencv3、tensorflow、numpy、Tkinter 分类器：全连接卷积神经网络

这是与本人之前发布的关于机器学习的四篇博客的相关初始数据集，都是没有经过我处理的原始数据集，共享一下希望给其他人提供一些帮助。

GBD的出处论文，看到好多人10积分下载，真的奸商啊。这里直接最低积分分享

由样本相关阵出发求因子载荷矩阵 具体计算时，一般常只取 个特征根所对应 的因子载荷矩阵A 的前 个列向量 组成的矩阵作为因子载荷矩阵，条件是 达到85％以上即可。 因子旋转 用一个正交阵右乘A，使旋转后的因子载荷阵结构简化，即使得每个变量仅在一个公共因子上有较大的载荷，而在其余的因子上载荷比较小。 因子分析法的步骤

机器学习模型的python与类库实现 本repo以李航博士的《统计学习方法》为路线，逐章讲解并实现其中所有的算法；从而，再加上常用的机器学习模型，例如GBDT，XGBoost，Light GBM，FM，FFM等，力争将传统的机器学习方法能够融汇互换 :party_popper: 。 统计学习方法｜感知机模型 模型理论讲解： 模型代码实现： ， 统计学习方法｜ K近邻 模型理论讲解： 模型代码实现： ， 统计学习方法｜朴素贝叶斯 模型理论讲解： 模型代码实现： ， 统计学习方法｜决策树 模型理论讲解： 模型代码实现： ， 统计学习方法｜ logistic回归 模型理论讲解： 模型代码实现： ， 机器学习｜ softmax 模型理论 模型代码实现： 统计学习方法｜最大熵模型 模型理论讲解： 模型代码实现： 统计学习方法｜支持向量机 模型理论讲解： 模型代码实现： ， 统计学习方法｜

1.1 欢迎 1 1.2 机器学习是什么 1.3 监督学习 6 1.4 无监督学习 10 2.1 模型表示 15 2.2 代价函数 17 2.3 代价函数的直观