安装包可以去官网下载中文版的。这个是注册机。安装教程:https://www.dqrj.name/forum.php?mod=viewthread&tid=32&highlight=mind+manager
2021-11-11 10:30:05 131KB mind manager 2019
1
sw-kaggle 关于 kaggle 问题的解答与优化 主要工作:可视化分析不同特征与存活率的关系, 类别特征one-hot编码,数值特征分段处理,pipeline预处理数据, 使用LR, RF等进行投票分类,最终排名top10% 主要工作:多分类问题,给定手写数字,进行0-9识别。分别使用numpy,tensorflow搭建ANN, CNN进行训练,识别率98% 主要工作:使用nltk, sklearn,构建关于问题特征的向量进行相似性判断,采用lightgbm进行训练,完成相似问题判断。 个人工作: 主要工作:针对全书每一章节进行分词,tf-idf文档向量化,分别使用监督和无监督进行训练预测, 并与其它名著对比结果。 [拉勾和Boss直聘关于机器学习岗位的简单分析] 主要工作:在两个不同的求职平台,分别以 机器学习 为关键字, 进行搜索,获取全部结果,对其进行简单分析,代码和分析见
2021-11-11 10:18:50 21.48MB machine-learning python3 kaggle JupyterNotebook
1
A practical introduction to the world of machine learning and image processing using OpenCV and Python
2021-11-11 06:35:15 12.1MB ML  openc python
1
图小波神经网络 ⠀ 图小波神经网络的PyTorch实现(ICLR 2019)。 抽象 我们提出了图小波神经网络(GWNN),一种新颖的图卷积神经网络(CNN),它利用图小波变换来解决依赖于图傅立叶变换的先前频谱图CNN方法的缺点。 与图傅立叶变换不同,可以通过快速算法获得图小波变换,而无需矩阵本征分解,且计算量大。 此外,图小波稀疏并局限在顶点域,为图卷积提供了高效率和良好的可解释性。 在三个基准数据集:Cora,Citeseer和Pubmed的基于图的半监督分类任务中,提出的GWNN明显优于以前的光谱图CNN。 参考Tensorflow实现可在访问。 该存储库提供了Graph Wav
2021-11-10 22:16:28 4.11MB machine-learning research deep-learning tensorflow
1
CVPR 2021论文和开源项目合集 论文和开源项目合集(带代码的论文)! CVPR 2021收录列表: : 注1:欢迎各位大佬提交问题,分享CVPR 2021论文和开源项目! 注2:关于往年CV顶会论文以及其他优质CV论文和大盘点,详见: : CVPR 2021中奖群已成立!已经收录的同学,可以添加微信: CVer9999 ,请备注: CVPR2021已收录+姓名+学校/公司名称! 【CVPR 2021论文开源目录】 骨干 ReXNet:减少卷积神经网络上的代表性瓶颈 论文: : 代码: : 内卷:反转卷积的固有性以进行视觉识别 论文: : 代码: : 高效移动网络设计的协调注意 论文: : 代码: : 具有有效膨胀搜索的初始卷积 论文: : 代码: : RepVGG:使VGG样式的ConvNets再次出色 论文: : 代码: : 纳斯 通过生成进行搜索
1
简单人工神经网络(ANN) 关于案例研究 在此业务案例研究中,我们预测了银行客户的流失率。 为了了解银行的客户,我们将使用一种深度学习技术,即人工神经网络(ANN)。从数百万的客户中,我们随机选择了1万个客户。 我们将使用客户的特征来确定他/她离开银行的可能性。 为了了解银行的客户,我们将使用一种深度学习技术,即人工神经网络(ANN)。 此外,我们将使用流行的Python库(例如Tensorflow,Keras)和机器学习技术(例如Adam Optimizer)来训练ANN模型并预测客户流失率。 数据:客户数据存储在: 论文:ANN案例研究论文: 研究论文 代码:Artificial_Neural_Network_Case_Study.py SAMPLE_OUTPUT = ANN_Case_Study_Sample_Output_1.png SAMPLE_OUTPUT = ANN_C
2021-11-10 20:14:17 2.57MB data-science machine-learning deep-learning python3
1
语音情感识别 介绍 该存储库负责构建和培训语音情感识别系统。 该工具背后的基本思想是构建和训练/测试合适的机器学习(以及深度学习)算法,该算法可以识别和检测语音中的人类情感。 这对于许多行业领域很有用,例如提出产品推荐,情感计算等。 查看本以获取更多信息。 要求 Python 3.6+ Python包 librosa == 0.6.3 麻木 大熊猫 声音文件== 0.9.0 海浪 斯克莱恩 tqdm == 4.28.1 matplotlib == 2.2.3 pyaudio == 0.2.11 (可选) :如果要通过转换为16000Hz采样率和convert_wavs.py提供的单声道来添加更多采样音频,则使用 通过以下命令安装这些库: pip3 install -r requirements.txt 数据集 该存储库使用了4个数据集(包括此仓库的自定义数据集),这些数
2021-11-10 18:16:18 911.73MB machine-learning deep-learning sklearn keras
1
入侵检测 使用各种数据挖掘技术的入侵检测(KDD Cup 1999数据) 数据集位于 使用的技术: K均值(K = 59) 准确度93.077% 精确 召回 F1分数 支持 攻击。 0.95 0.96 0.96 250436 正常。 0.83 0.80 0.82 60593 平均/总计 0.93 0.93 0.93 311029 决策树 准确度92.956% 精确 召回 F1分数 支持 攻击。 1.0 0.91 0.95 250436 正常。 0.74 0.99 0.85 60593 平均/总计 0.95 0.93 0.93 31
2021-11-10 17:02:43 116.68MB machine-learning data-mining scikit-learn python3
1
股票市场预测Web应用程序使用机器学习 基于机器学习和推特情感分析(代码中包含的API密钥)的股市预测Web应用程序。 Web App的前端基于Flask和Wordpress 。 该应用程序根据用户的输入预测纳斯达克或NSE下任何给定股票的未来7天的股价。 使用三种算法进行预测: ARIMA,LSTM,线性回归。 该网络应用程序将未来7天的预测价格与推文的情绪分析相结合,以给出建议价格是上涨还是下跌 注意 由于超出了Github LFS的配额,Wordpress文件已从存储库中移出。 现在从下载 屏幕截图 在屏幕截图文件夹中查找更多屏幕截图,或 文件和目录结构 screenshots -
2021-11-10 15:03:48 7.92MB python wordpress flask machine-learning
1
机器学习领域书籍,涉及专家意见学习、博弈等内容。
2021-11-10 09:44:03 3.53MB Machine learning 机器学习
1