有关机器 学习的基本介绍，比如机器学习是分为监督学习和无监督学习的，以及监督学习中的一些算法，有分类算法和数值型预测算法，分类算法中几种比较经典的算法

用romberg数值方法求解定积分,可直接运行，程序移植性强，详细注释，研究生学数值分析时亲手写的，初学者可以学习以下

基本ML算法 最近邻居 逻辑回归 线性回归 朴素贝叶斯 K均值聚类

高斯积分比以前的有优化，龙贝格绝对没有任何错误，修改了一前的错误。都是研究生期间写的。现在工作做SI了，希望这两个小程序对需要的同学有用，那个溹末非积分需要这里的一个高斯积分子程序

《机器学习》算法实例-朴素贝叶斯算法-屏蔽社区留言板的侮辱言论 构建一个快速过滤器来屏蔽在线社区留言板上的侮辱性言论。如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标识为内容不当。对此问题建立两个类别: 侮辱类和非侮辱类，使用 1 和 0 分别表示。 提取所有文档中的词条并进行去重 获取文档的所有类别 计算每个类别中的文档数目 对每篇训练文档: 对每个类别: 如果词条出现在文档中-->增加该词条的计数值（for循环或者矩阵相加） 增加所有词条的计数值（此类别下词条总数） 对每个类别: 对每个词条: 将该词条的数目除以总词条数目得到的条件概率（P(词条|类别)） 返回该文档属于每个类别的条件概率（P(类别|文档的所有词条)）

《机器学习》算法实例-决策树算法-预测隐形眼睛类型 包括数据集都有提供，主要用于预测隐形眼镜（数据特征为年龄、症状、眼泪数量、是否散光；标签为硬材质、软材质、不适合带隐形眼镜），有测试结果 【注】本实例对于每步都有详细讲解，若有不理解部分，可私信解答。

为了准确地提取出结构光测量中变形条纹的瞬时相位，需对变形条纹图像进行滤波。在OWT_SURE_LET小波去噪的基础上，用冗余小波代替正交小波，用DB8小波代替Sym8小波，利用一个六变量的收缩函数代替四变量的收缩函数，提出了一种改进的SWT_SURE_LET小波滤波算法，该算法速度快、稳健性强。峰值信噪比和相位均方根值提取精度两个指标表明，无论何种类型的变形条纹，无论变形条纹的载频怎么变化，改进算法都是有效的。和其他经典的及最新的去噪算法相比，改进后的算法具有最好的结果和稳健性。

主要为大家详细介绍了python实现朴素贝叶斯分类器，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

贝叶斯文本分类器

主要为大家详细介绍了微信小程序使用二次贝塞尔曲线画波浪，具有一定的参考价值，感兴趣的小伙伴们可以参考一下