该数据集为人工智能大数据等常用数据集，也是MATLAB常用的分类实验数据集，由著名的科学家Fisher收集整理，该数据集包含150个数据集，分为3类，每类50个数据，每个数据包含四个属性。 四个属性：         Sepal.Length（花萼长度），单位是cm;         Sepal.Width（花萼宽度），单位是cm;         Petal.Length（花瓣长度），单位是cm;         Petal.Width（花瓣宽度），单位是cm; 三个种类：         Iris Setosa（山鸢尾）；         Iris Versicolour（杂色鸢尾）；         Iris Virginica（维吉尼亚鸢尾）。 ​，适用于大部分场景，也是新手模拟练习的最佳选择之一，数据可自行调整，增删改查等等，MATLAB可用函数load（’iris.txt’）直接调用，其他软件大同小异

这是ThisIsNotRocketScience / GerberTools的fork 加载/编辑/创建/ panelize / prerender gerber文件集的工具。 更新 ProductionFrame的新功能-18/12/12 现在，可以包括基准点列表，以为面板框架提供更多自定义选项（位置，层和大小） 框架配置字段按其功能分组 通用界面修改 建造 Visual Studio 2015向上 打开GerberProjects/GerberProjects.sln解决方案，并将其转换为您的Visual Studio版本（如有必要） 通过Nuget确保您的依赖项是最新的： ://docs.microsoft.com/zh-cn/nuget/consume-packages/reinstalling-and-updating-packages 建立解决方案 所有工具都是干净

雷达回波序列中弱小飞机目标检测跟踪数据集_宋志勇.caj

一元线性回归数据集

Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。

猪（pig）目标检测数据集，yolo格式的，可以直接用来yolo系列的训练，不需要进行再次转化，直接修改相应的yaml配置文件，即可使用。

机器学习——logistic回归，预测病马死亡率的案例的horseColic。数据已处理过，标签为0-1。

数据集YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码

17种瓜果的图片，每个种类约120个样本。 详细瓜果名称： ['丝瓜', '人参果', '佛手瓜', '冬瓜', '南瓜', '哈密瓜', '木瓜', '甜瓜-伊丽莎白', '甜瓜-白', '甜瓜-绿', '甜瓜-金', '白兰瓜', '羊角蜜', '苦瓜', '西瓜', '西葫芦', '黄瓜']

针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究，提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器，AdaBoost算法进行迭代，对每次错分的样本点根据其空间近邻关系，采取一种改进的混合采样策略：对噪声样本直接删除；对危险样本约除其近邻中的正类样本；对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验，并与SMOTE-SVM和AdaBoost-SVM-OBMS算法进行比较，实验结果表明该算法能够有效地提高负类的分类准确率。