高级项目 我研究了使用不同的机器学习算法和python来预测英超联赛足球比赛的结果。 这是我高三毕业时作为Goucher大学计算机科学专业的Capstone项目。 我使用whoscored.com的数据，创建了用于预测游戏效果的大多数指标。 我表现最好的算法是Logistic回归模型和Random Forest Regressor（它们的精确度为68％）。 考虑到我只有357个数据点（仅包括108个验证测试集数据点），这给人留下了深刻的印象！ 文件： MyCapstone.ipynb： 该文件是一个jupyter笔记本，其中包含我在数据处理，数据分析和机器学习建模中使用的所有代码。 Table4.csv 这是一个csv文件，其中包含基于whoscored.com数据的数据，我已对其进行处理并将其用于执行预测。

用于线性回归分析的数据表波士顿房价housing.csv

适用于初学者，内含python线性回归不调库的实现方法（含注释）

机器学习框架之TensorFlow学习

1.Transformer背景介绍 2.Transfromer整体架构 3.Transformer输入部分 4.Transfromer的编码器 5.Transfromer的解码器 6.Transformer输出部分 7.Transfromer其他部分 1.GPT-1 和 Bert 2.GPT-2 3.GPT-3 Transformer在深度学习环境下背景： 17年自Attention is all you need提出后，开始在NLP（自然语言处理）领域大放异彩 20年后，开始在CV领域发光，到现在基本一统天下了 其在NLP和CV领域下的许多分类、分割、检测等任务下均刷榜 总结一下Transformer模型。 从论文本身来看，其最大的创新在于提出的注意力机制，即多头注意力层，并嵌入到一个模块化可堆叠的模型结构中。一开始Transformer被用于机器翻译，但它也能够用在几乎所有的NLP任务上。自它之后，整个深度学习重心开始转向NLP方面。 4..InstructGPT和ChatGPT 1.VIT 2.Clip与DallE-1 3.DiffusionModel和DallE-2

人工智能+专家系统+推理机设计-第八章 机器学习

机器学习凸优化，379页pdf，Convex Optimization for Machine Learning 介绍了凸优化，这是一个可以在计算机上高效解决的强大且易于处理的优化问题。本书的目标是帮助读者理解什么是凸优化，以及如何将其应用于更广泛的实际场景，特别是机器学习。

数控车床中级工技能测试理论知识考.doc

无

为了维系优质客户与企业之间良好的合作关系，实现企业盈利的最大化，构建基于机器学习算法的优质客户识别模型。在电力客户管理数据库中采集待识别的客户信息，并统一客户信息的格式。分别从信用度、合作时间以及资金运转能力等方面，设置优质客户判断标准。利用机器学习算法，得出客户的价值评估结果，并按照权重值分别与设置的判断标准做匹配，从而得出优质客户的识别结果。为了验证识别模型的应用效果设计实验，并得出实验结论：应用优质客户识别模型后，电力企业的总盈利额提高了3.69%。