机器学习大作业-机器学习分类，回归，聚类算法项目源码 第一次作业 LinearDiscriminatorAnalysis分类，逻辑回归2，3分类 第二次作业 决策树 第三次作业 MLPClassifier分类器，Percepton线性分类器 第四次作业 一维拟合，二维拟合，支持向量机分类 第五次作业 多项式朴素贝叶斯分类器 第六次作业 GMM聚类算法 第七次作业 AdaBoostClassifier分类器 第八次作业 KMeans,KMedoids聚类

大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码。 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码 大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码大学生静态网页设计期末作业静态的学校疫情防疫官网页面源码

“简单媒体播放器”程序效果如下： (1) 包含一个“文件”菜单，文件菜单包含2个菜单项 (2) 包含一个“外观”菜单，外观菜单包含3个菜单项 (3) 包含一个“控制”菜单，控制菜单包含4个菜单项 (4)包含一个“帮助”菜单，控制菜单包含2个菜单项 (5) 图形控制模块

深度学习基于学生面部表情疲劳检测的在线课堂系统项目源码。内附使用说明代码注释，新手也可自行操作。 结合时代背景，考虑到学生在线课堂教育会成为后疫情时代的发展趋势，但是现如今的在线课堂教育的弊端很明显，就是老师无法实时监视学生的学习状态。因此，这里专门使用声网agora SDK + leanCloud + pyqt5，简单实现在线课堂的基本功能。 前端界面设计：pyqt5 后端数据存储：leanCloud 音视频通信：agora SDK 疲劳检测算法：多特征经验融合的K近邻疲劳早后期检测算法 该系统主要分成学生端，教师端和服务器端：。

对于嵌入式系统的理解与展望。和系统的设计。文末有文献参考说明。

设计用例图 设计类图 设计顺序图 设计协作图 设计状态图 设计活动图 设计组件图 设计部署图

云计算大作业使用Hadoop对美国新冠肺炎疫情数据分析项目。 实验内容 统计指定日期下，美国每个州的累计确诊人数和累计死亡人数。 对实验1的结果按累计确诊人数进行倒序排序。（重写排序规则） 对实验1的结果再运算，统计截止指定日期，全美各州的病死率。病死率 = 死亡数/确诊数。 统计美国截止每日的累计确诊人数和累计死亡人数。做法是以date作为分组字段，对cases和deaths字段进行汇总统计。 对实验4的结果再运算，统计美国每日的新增确诊人数和新增死亡人数。因为新增数=今日数-昨日数，所以考虑使用自连接，连接条件是t1.date = t2.date + 1，然后使用t1.totalCases – t2.totalCases计算该日新增。 对实验4的结果再运算，统计美国截止当日的病死率。 将美国不同州的疫情数据输出到不同文件，属于同一个州的各个县输出到同一个结果文件中。（重写排序规则，重写分区规则）。 统计指定日期下，美国每个州的确诊案例最多前N（TopN）的县。（重写排序规则，重写分组规则）

基于机器学习的人脸图像性别识别分类项目源码（机器学习大作业+毕业设计）。 文件说明 GenderRecognition.ipynb - 包含运行结果的交互式Jupyter Notebook run.py - 纯Python代码 save_weights.h5 - 训练2000轮后的权重，可复现最佳预测结果 submission.csv - 输出的预测结果 trial.txt - 使用最佳模型预测训练集，对训练集所做的修改 Jupyter Notebook Preview.html/Jupyter Notebook Preview.pdf - 运行结果，内容同GenderRecognition.ipynb

机器学习课设大作业基于BERT和朴素贝叶斯算法的新闻文本分类项目（源码+大作业+数据集）。一个很完整的项目源码，操作没难度，新手也可放心下载。 data文件夹中已经包括了初始的数据集和处理之后的数据集。.csv文件初始数据集，另外两个是经过News_prediction.ipynb代码处理过的。在Bert和NaiveBayes训练函数中直接加载上来。 result文件夹中的文件是朴素贝叶斯和Bert模型训练后的输出文件 互联网假新闻分类 一共三种类别：真新闻、假新闻、不用判断 40000条训练文本数据，10000条测试数据。 基于正则表达式和Jieba完成特征工程 朴素贝叶斯：tf-idf词嵌入。87.4% BERT：cn-wmm预训练词向量。5-epoch，91.4%

机器学习基于python实现风景分类项目源码+大作业+数据集+注释。 非常完整的一个机器学习的实践项目，代码带说明，新手也可操作，高分必看，也可作为毕业设计哈！ 数据集 存放在 \data 文件夹下，数据集说明见 requirement.pdf 文件 机器学习基于python实现风景分类项目源码+大作业+数据集+注释。 非常完整的一个机器学习的实践项目，代码带说明，新手也可操作，高分必看，也可作为毕业设计哈！ 数据集 存放在 \data 文件夹下，数据集说明见 requirement.pdf 文件 机器学习基于python实现风景分类项目源码+大作业+数据集+注释。 非常完整的一个机器学习的实践项目，代码带说明，新手也可操作，高分必看，也可作为毕业设计哈！ 数据集 存放在 \data 文件夹下，数据集说明见 requirement.pdf 文件