足球经理 使用数据和机器学习来分析足球运动员。 贡献者： 巴图拉普·雅尔辛 托马斯·麦卡塔夫（Thomas Mecattaf） 莫希什·查克拉瓦蒂（Mohnish Chakravarti） Description：我们几乎每天都在我们的xbox上玩FIFA职业模式。 在此项目中，我们使用基本的机器学习技术（例如线性回归，随机森林和神经网络）分析2015 / 16、2016 / 17、2017 / 18、2018 / 19赛季EPL玩家的游戏FIFA评分和实际表现网络。 有3个笔记本（一个用于抓取，一个用于基本数据分析，一个用于机器学习），以及3个HTML文件，它们更详细地解释了所有这些笔记本和我们的项目 进行此项目的一些动机是： 我们可以了解FIFA中的球员属性和等级吗？ EA Sports不会发布有关球员排名和分配属性值的任何信息。 FIFA球员可以使用此回合为球队的每个职位

股票买卖最佳时机leetcode 构建和调整 LSTM 以预测 SET50 中的股票价格 背景 了解未来总是更好，尤其是在股票交易中，因为我们可以很好地计划何时买入和何时卖出以获利。 当我在互联网上搜索时，我发现了一些使用深度学习算法（如长短期记忆（LSTM））来预测股票价格的例子。 但是，我还没有看到太多针对不同预测范围调整 LSTM 以获得最佳结果的示例和结果，以及当我们将模型与不同数量的股票一起使用时模型的准确性。 关于这个项目的博客文章如下： 目标 使用 LSTM 构建股票预测器并调整所选股票的参数，以预测其未来 1、5 和 10 天的调整后收盘价。 我打算调整参数的方式是： 从所有参数的最小值开始，只允许调整一个参数。 循环构建、训练和验证参数的不同值以找到该参数的最佳值。 对所有参数执行此操作以查看哪个参数和哪个值给出的误差最低。 用值更新特定参数，而其他参数仍然是最低的。 重复所有步骤，直到误差不降低，这将是最佳参数值的集合。 使用从前面主题中找到的一组参数来构建模型，对另一组股票进行预测，并测量模型可以以可接受的错误率预测的股票数量。 构建用户友好的脚本，用户能够： 提

机器学习课件

机器学习课件+Tom+Mitchell 还有中英文的教科书资源下载，我的资源里会有

iris：虹膜数据集上不同机器学习算法的分析和比较

2014中华架构师大会材料 大数据,用户画像,机器学习,数据挖掘

第九章 树回归算法数据集

python机器学习决策树算法-相关代码

SYCML（SYCL ML） 轻量，功能强大的仅头机器学习库，使用SYCL编写，支持支持SPIR / SPIR-V指令的多厂商目标平台。 该库旨在替代cuML ， RAPIDS等，并提供各种加速器设备，例如任何供应商（甚至是Intel和AMD）的GPU以及FPGA和ASICS。 当前具有以下功能- 线性和逻辑回归。 PCA，SVD K表示聚类 用法 用法很简单。 要定位加速器设备，只需在模型上调用.sycl()并在forward方法中将目标作为字符串传递。 #include "Regression.h" int main(){ size_t size = 32768; std::vector input_vector(size, 1.0f); LinearRegression linearRegression(size); //Initia

1.单层感知机 2.多层感知机 3.常见梯度优化 3.常见损失函数 4.多个例子 5.可以直接开会讲，适合学习和汇报 6.常见的激活函数介绍 7.使用房价预测问题介绍了单层感知机模型 8.BP神经网络 9.前馈神经网络 10.梯度优化实例 11.MLP神经网络