Kaggle数据集工作 我的项目正在处理各种Kaggle数据集 专案 从胸部X光照片进行肺炎分类（2021年2月12日-至今） 使用 看到当前和了解更多详情。 Spotify歌曲人气回归（2021年2月8日-2021年2月12日） 使用 经过训练的RandomForest，DNN，LinearRegression和LinearSVR可以预测歌曲的流行程度。 获得了12.300的RMSE错误，其准确度比猜测的平均受欢迎程度高近2倍。 见和了解更多详情。

Statistic-study-notes 李航统计学习方法（第二版）的学习笔记，包括： 1、每章重点数学公式的手动推导 均为手写然后扫描成图片，字迹不工整还望谅解，之后有时间会用Latex修正 点击数学公式没有出现图片的情况 需要搭梯子才可以在线预览到数学推导的图片... 3.1 无数学推导，偏重算法实现-KNN 5.1 无数学推导，偏重算法实现-决策树 6.1 最大熵模型的数学推导 6.2 拉格朗日对偶性问题的数学推导 6.3 改进的迭代尺度法数学推导 7.第七章数学公式推导 7.1 软间隔最大化对偶问题 7.2 证明最大间隔分离超平面存在唯一性 8.第八章数学公式推导 8.1 证明AdaBoost是前向分步加法算法的特例 8.2 证明AdaBoost的训练误差界 9.第九章数学公式推导 9.1 EM算法的导出 9.2 用EM算法估计高斯模混合模型 10.第十章数学公式推导 10.1

StartCraft II强化学习示例 该示例程序建立在 pysc2（Deepmind）[ ] 基线（OpenAI）[ ] s2client-proto（暴雪）[ ] Tensorflow 1.3（谷歌）[ ] 目前的例子 小地图 使用Deep Q Network收集矿物碎片 快速入门指南 1.获取PySC2 聚酰亚胺 获取PySC2的最简单方法是使用pip： $ pip install git+https://github.com/deepmind/pysc2 另外，您必须安装baselines库。 $ pip install git+https://github.com

Introduction TipDM建模平台，是由广东泰迪智能科技股份有限公司研发并开源的数据挖掘工具，TipDM建模平台提供数据丰富的数据预处理、 数据分析与数据挖掘组件，帮助广大中小企业快速建立数据挖掘工程，提升数据处理的效能。同时，我们也在积极 推动大数据挖掘社区建设，构建校企对接桥梁，为企业精准推送优质大数据挖掘人才；在产业需求的基础上推动高 校的人才培养工作。 Documentation Communication Features 基于Python，用于数据挖掘建模。 使用直观的拖放式图形界面构建数据挖掘工作流程，无需编程。 支持多种数据源，包括CSV文件和关系型数据库。 支持挖掘流程每个节点的结果在线预览。 提供5大类共40种算法组件，包括数据预处理、分类、聚类等数据挖掘算法。 支持新增/编辑算法组件，自定义程度高。 提供众多公开可用的数据挖掘示例工程，一键创建，快速运行。

设计自动售货机电路，要求如下： （1）待售物品价格1元、2元、3元、5元； （2）只接受1元、5元、10元币值； （3）机内存有1元零钱无限； （4）投入钱币之前认为售货机为空闲状态；投入钱币后需要按下物品标签吐出商品； （5）自动找零；

peter 教授的 machine learning the art and science 电子版。

感化器 受启发。 该宝石可以单独使用，也可以与rails应用集成。 Rails使用说明 使用bundler gem "sentimentalizer"安装gem 运行rails g sentimentalizer 。 这将生成一个带有after_initialize钩子的初始化文件。 基本上是在训练要在应用程序中使用的模型。 每当您启动服务器或运行任何rake命令时，它将运行，希望对此有所投入。 现在，您可以在require "sentimentalizer"之后运行以下命令 Sentimentalizer . analyze ( 'message or tweet or status

faceRecgSys：使用Matlab的人脸识别系统； 算法：LBP，PCA，KNN，SVM和朴素贝叶斯

安然欺诈项目 休斯顿的安然综合体- 安然是美国最大的公司之一。 由于公司欺诈，它破产了。 由于联邦调查的结果，大量的安然数据（电子邮件和财务数据）已进入公共记录。 该项目旨在建立一个分类器，该分类器可以基于公共的安然财务和电子邮件数据集来预测安然员工涉及欺诈的情况。 有关安然丑闻的更多详细信息，请参见 。 工作流程 该项目分为3个主要阶段： 功能选择和工程 算法选择 选型 特征选择与工程 首先，清理数据； 由于我们对个人数据感兴趣，因此删除了与“总计”和“公园旅行社”相对应的数据。 另外，“ LOCKHART EUGENE E”数据全为零，并且也被删除。 一些功能也被删除。 由于“ to

用Python进行地质记录数据机器学习 使用Python中的机器学习（ML）技术分析了美国堪萨斯州一口井的地质测井数据。 对数据进行了概述，清理和分析，以发现重要的模式和关系，通过这些关系和关系我们发现了测井曲线之间的关系以及地层类型与测井曲线之间的关系。 使用此方法，当我们拥有该地区的先验地质知识后，就可以避免使用与地层类型相关或没有相对重要性的测井记录。 而且，一旦使用ML算法训练了数据，就可以成功地进行地层类型的预测。