nlp 自然语言处理项目 1- Sentiment_analysis：该项目的目标是实现完整的情感分类器。 2-变形金刚：该项目的目的是对变形金刚有一个完整的了解，并在不同的任务（例如：问题与答案，总结，翻译）中实施其中的某些变形金刚（例如T5）。 我们还必须创建一些交叉注意的可视化效果，以使算法模式更加合理。

101个Python基础知识练习 基本原理 101练习作为一种自测工具存在，用于学习Python基础知识，包括数据类型，运算符和编写用户定义的功能。 还有一些练习，用于练习诸如列表，字典和集合之类的集合。 在线使用101个练习（由于托管，因此无需设置/安装） 转到 依次转到文件和“将副本保存到云端硬盘”，将您的工作保存到Google云端硬盘 在本地使用101个练习（运行速度更快，加载速度更快） 下载此存储库的.zip或执行git clone git@github.com:ryanorsinger/101-exercises.git 101-exercises.ipynb是交互式Jupyter笔记本。 如果您需要安装Jupyter的帮助，请访问 101-exercises.py是包含相同指令和断言的Python脚本（如果您更喜欢.py脚本）

餐厅推荐系统 进行评级需要考虑多个因素：等待时间，服务，食物质量，清洁度甚至气氛-例如，一家餐馆对食物的态度可能是积极的，而对服务的态度是消极的。 为了解决这个问题，我们的目标是要包括可以在评论文本中找到的情感，并将其转化为可用于进一步改善对用户的业务建议的数据。 该存储库是一个推荐系统，主要关注通过TF-IDF（术语频率-反文档频率）进行的文本评论分析以及使用AutoPhrase进行的目标情感分析，以将情感附加到餐厅的各个方面。 在构建推荐系统时，我们了解到，评论文本与数字统计数据具有相同的重要性，因为它们包含表征他们对评论的感觉的关键短语。 最终目标是设计一个用于部署我们的推荐系统并显示其功能的网站。 请访问我们的website分支，以对预处理的拉斯维加斯/凤凰城数据集进行一些查询！ 重要的事情： 该存储库包含两个分支。 main分支包含我们方法的源代码。 website分支包含

MNIST和USPS手写数字识别算法: 朴素贝叶斯和随机森林 bayes-mnist : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决MNIST数据集 bayes-usps : 多项式朴素贝叶斯和伯努利朴素贝叶斯解决USPS数据集 random-forest-mnist : 随机森林解决MNIST数据集 random-forest-usps : 随机森林解决USPS数据集

Python课程 欢迎来到此Python课程。 该“存储库”包含一组.ipynb文件（可通过Jupyter Notebook / Lab或直接通过github读取），以及图像和其他文件，旨在为从未进行过编程的人们学习Python语言。 请毫不犹豫地向我提出改进建议，并纠正可能出现的任何错误和错别字。 该作品是根据，这意味着您可以根据需要重复使用，修改和共享该作品，但是您需要确认作者，并以相同的许可重新分享您的作品，而不是商业使用它。 未经事先许可，本课程中包含的所有图像均已获许可复制。 除非另有说明，否则所有内容均取自Wikipedia（或wikimedia）。 级别1-编程基础知识和Python语言基础知识

ML带回家挑战 通过复制用Python编写的最佳答案来练习带回家的挑战问题

GAN生成面： Udacity深度学习纳米学位 使用GAN（生成对抗网络）生成新的面Kong图像。 如何运行： 安装点子 在命令行中通过pip安装jupyter笔记本：“ pip3 install jupyter” 克隆此仓库 进入终端中的这个仓库 在终端中运行“ jupyter笔记本”

lda2vec Moody的lda2vec的pytorch实现，这是一种使用词嵌入的主题建模方法。 原始论文： 。 警告：我个人认为使lda2vec算法起作用非常困难。 有时它找到几个主题，有时却找不到。 通常，找到的很多话题都是一团糟。 该算法易于产生较差的局部最小值。 它在很大程度上取决于初始主题分配的值。 对于我的结果，请参阅20newsgroups/explore_trained_model.ipynb 。 另请参见下面的实现详细信息。 失利 培训进行如下。 首先，将文档语料库转换为一组元组{(document id, word, the window around the word) | for each word in the corpus} {(document id, word, the window around the word) | for each word

霍克斯 一个用于Hawkes流程的仿真和推断（最大似然估计）的python程序包。 安装 pip install hawkes 教程 特征 该软件包提供以下内核功能： 指数函数 多个指数函数的总和 幂律函数 非参数函数 该软件包提供以下类别的基线强度： 恒定基线 分段恒定基线模型 分段线性基线模型 对数线性基线模型 自定义基线功能 接触 近江孝宏 takahiro.omi.em [at] gmail.com

Kaggle_Projects：在这里，我将存储在Kaggle上完成的所有项目