flask-demo
基于flask框架的使用神经网络模型识别过滤垃圾短信的Demo
快速起步
若提示缺少lib，pip install 对应的包即可
1.环境&技术
运行环境：Anaconda
后台框架：Flask
前端框架：Bootstrap
前端插件：
2.运行
python run.py
默认项目访问路径为
3.预览
感谢
感谢《Flask Web Development: Developing Web Applications with Python》一书，感谢提供了很棒的bootstrap-fileinput插件。
不足
对结果的展示不太好，无法和具体的垃圾短信一一对应，只用了g对象存储结果。
2022-04-14 22:35:07
78.11MB
1
深度集群：方法和实施调查论文会议代码深度学习集群调查：从网络架构的角度来看IEEE ACCESS 2018深度集群：方法和实施调查报告会议代码A深度学习集群的调查：从网络的角度带有深度学习的体系结构IEEE ACCESS 2018聚类：分类和新方法Arxiv 2018 Theano预印纸方法会议代码可区分的具有集群大小约束的深度聚类-Arxiv 2019-N2D：（不是太）通过聚类自动编码的本地流形进行深度聚类嵌入。
N2D Arxiv 2019张量
2022-04-14 15:49:48
6KB
1
《Neural Networks and Deep Learning》代码，从ｇｉｔ上面偷来的，需要的自行下载，只改了第一个ｍｎｉｓｔ＿ｌｏｄｅｒ和ｎｅｔｗｏｒｋ，其他的有时间再改
2022-04-14 14:00:40
18.09MB
1
DoWhy是一个Python库，可轻松估算因果关系。
DoWhy基于用于因果推理的统一语言，结合了因果图形模型和潜在结果框架。
为什么
使因果推理变得容易Amit Sharma，埃姆雷·基西曼（Emre Kiciman）阅读文档|
在线尝试！
博客文章：DoWhy简介|
使用Do-sampler由于计算系统越来越频繁地并更加积极地介入社会关键领域，例如医疗保健，教育和治理，因此正确预测和理解这些干预措施的因果关系至关重要。
没有A / B测试，基于模式识别和相关性的传统机器学习方法
2022-04-13 22:57:33
2.77MB
1
Python中的轨迹分析和分类（Pandas和Scikit Learn）
一项针对数据挖掘研究生课程的大学项目。
给我们一个trainset，其中地理点与时间间隔成对。 首先，我们清理数据集，然后形成轨迹（具有相应的路线ID）。 本部分的最后一步是根据_their的total_distance和最大距离（它们的两个点之间）过滤掉一些轨迹。
该项目的目标首先是计算test_set_a1 / a2.csv和train_set.csv的轨迹之间的轨迹相似度。
用于该算法的算法是：
快速动态时间规整（Fast-DTW） ，取自
我实现的最长公共子序列算法。
每次考虑的距离是点的Haver
2022-04-13 21:36:53
24.33MB
1
PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。
DNN部分由PyTorch管理，而特征提取，标签合成则由PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。
DNN部分由PyTorch管理，而特征提取，标签计算和解码则由Kaldi工具包执行。
该存储库包含PyTorch-Kaldi工具箱的最新版本（PyTorch-Kaldi-v1.0）。
要查看以前的版本（PyTorch-Kaldi-v0.1），请单击此处。
如果您使用此代码或部分代码，请
2022-04-13 17:21:24
362KB
1
LogisticRegression_LeadScoring
问题陈述：
一家名为X Education的教育公司向行业专业人士出售在线课程。 在任何一天，许多对课程感兴趣的专业人士都会在他们的网站上登陆并浏览课程。
现在，尽管X Education获得了很多潜在客户，但其潜在客户转换率却非常低。 例如，如果说他们一天之内获得100个销售线索，那么其中只有大约30个被转换。 为了使此过程更有效率，该公司希望确定最有潜力的潜在客户，也称为“热门潜在客户”。 如果他们成功地识别出这组潜在客户，则潜在客户转换率应该会上升，因为销售团队现在将更多地专注于与潜在潜在客户进行沟通，而不是打电话给每个人。
X Education已任命您帮助他们选择最有希望的潜在客户，即最有可能转化为付费客户的潜在客户。 公司要求您建立一个模型，在该模型中，您需要为每个潜在客户分配潜在客户得分，以使潜在客户得分较
2022-04-13 14:08:06
1.68MB
1
Tom M. Mitchell的《Machine Learning》中文版
2022-04-13 11:47:11
854KB
1
/////
快书
这些笔记本介绍了深度学习， 和 。 fastai是用于深度学习的分层API； 有关更多信息，请参见。 此回购协议中的所有内容均受版权保护，由Jeremy Howard和Sylvain Gugger于2020年开始。
这些笔记本用于 ，构成了 的基础，目前可以购买。 它没有与该草案相同的GPL限制。
GPL v3许可证涵盖了笔记本和python .py文件中的代码； 有关详细信息，请参见LICENSE文件。
其余部分（包括笔记本和其他散文中的所有降价单元）均未经许可可用于任何重新分发或更改格式或媒介的行为，除了复制笔记本或为您自己的私人使用而分叉此存储库外。 禁止用于商业
2022-04-13 09:41:30
41.89MB
1