matlab开发-每日数据中的容量加权平均价格。从谷歌金融的每日数据中检索vwap

糖尿病神经网络 使用Keras的神经网络可根据健康数据对糖尿病风险进行分类。

分为四类，可回收垃圾、厨余垃圾、有害垃圾、其他垃圾

这个数据集的目的是使用二元叶片图像和提取的特征（包括形状，边缘和纹理）来准确识别99种植物。叶片由于其体积，流行率和独特的特性，是区分植物物种的有效手段。它们还提供了一个有趣的介绍，介绍如何应用涉及到基于图像的特性的技术。第一步，尝试构建一个使用预先提取的特征的分类器。接下来，尝试创建一组自己的功能。最后，检查您所犯的错误，并查看可以做些什么来改进。 Leaf Classification_datasets.txt

本数据对应文章：《机器学习进行数据分类模型的预测》

matlab开发-从雅虎获取股票信息。此功能允许您使用Yahoo！从Yahoo中提取股票信息！在Matlab中使用查询语言。

这是论文“PCA based Edge-preserving Features for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(12), 7140-7151.”的代码，更多细节可以在论文中找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得

用于进行肌电信号的手部动作分类

聚类轨迹 该Python脚本接收分子动力学或Monte Carlo轨迹（.pdb，.xyz或OpenBabel支持的任何格式），使用Kabsch算法找到结构之间的最小RMSD，并执行聚集聚类（一种无监督的机器学习），以对相似的构象进行分类。 该脚本是在考虑到Python 3的情况下开发的，但是，鉴于所有库均可用，它也应在Python 2.7中工作。 脚本要做的是计算轨迹的每个配置之间的距离（使用最小RMSD），建立一个距离矩阵（以压缩形式存储）。 请注意，计算距离矩阵可能需要一些时间，具体取决于您的轨迹多长时间以及每种配置中有多少原子。 距离矩阵也可以从文件中读取（使用-i选项），以避免每次您要更改链接方法（使用-m ）或聚类的距离时重新计算该距离矩阵。 依存关系 该实现依赖于几个库，因此在运行脚本之前，请确保已在Python发行版中安装了所有库。 当前，需要以下库： 我们建议使用 P

奥托 在Kaggle Otto生产分类挑战赛（排行榜）中排名第85位（在3514中）。 链接： ： 特征工程（并非全部用于最终合奏） 每行所有功能的总和 每行所有功能的差异 每行填充的特征数 在前20个功能上创建的操作功能（+，-，*，/）（并非始终有效） 用均值标准化转换要素（新要素=原始要素-列均值） 楷模 XGBoost 神经网络（使用宽面条和H20；仅将宽面条模型用于最终合奏） randomForest 软件 R 3.1.3 R包： doParallel 脱字号 xgboost 派对 全球网 dplyr Python 2.7 Python库： 烤宽面条 麻木 科学的 茶野