使用三种具有代表性的聚类分析算法对鸢尾花数据集进行聚类分析，分别为层次方法、DBSCAN 方法与K-means 方法。接着使用三个评价指标对聚类的结果进行评价，分别为准确度、运行时间、轮廓系数。本程序包含python程序、实验报告与鸢尾花数据集文件。是本人亲手写的作业且获得高分。层次方法在此数据集上准确度最佳，DBSCAN 方法运行时间最短，层次与 K-means 方法都取得了较高的轮廓系数值。亲手资源，保证一手！

通过多模型监督学习算法进行收入预测 寻找慈善捐助者 胡安·罗隆（Juan E.Rolon），2017年 项目概况 在此项目中，我采用了几种监督算法，以使用从1994年美国人口普查中收集的数据准确地预测个人收入。 我们执行各种测试过程，以从初步结果中选择最佳候选算法，然后进一步优化该算法以对数据进行最佳建模。 此实现的主要目标是构建一个模型，该模型可以准确地预测个人的收入是否超过50,000美元。 在非营利机构中，组织可以靠捐赠生存，这种任务可能会出现。 了解个人的收入可以帮助非营利组织更好地理解要请求的捐赠额，或者是否应该从一开始就伸出援手。 虽然直接从公共来源确定个人的一般收入等级可能很困难，但我们可以从其他公共可用功能中推断出此价值。 该项目是从Udacity获得机器学习工程师Nanodegree所需条件的一部分。 安装 此项目需要Python 2.7和已安装的以下Python

matlab的egde源代码Wave_clus 3 Wave_clus是一种快速且不受监督的峰值检测和排序算法，可在Windows，Mac或Linux操作系统下运行。 要安装，请将此存储库下载到文件夹中。 在MATLAB（R2009b或更高版本）中，转到“设置路径”，然后将目录wave_clus及其子文件夹添加到MATLAB路径。 如何使用 有两种使用Wave_clus的方法： 要打开GUI， wave_clus在MATLAB命令提示符下键入wave_clus 。 要使用批处理功能，请键入Get_spikes('filename.ext') ，其中.ext是文件扩展名（例如.mat ），用于峰值检测； 这会将文件filename_spikes.mat保存在当前目录中。 随后，运行Do_clustering('filename_spikes.mat')进行排序。 您可以一次处理多个文件，也可以处理多个文件的特定通道。 Wave_clus可以读取原始数据或通过电生理数据采集系统（Blackrock，Neuralynx，Plexon，TDT，Intan等）生成的或已检测到的峰值，或保存为ma

自监督算法的Pytorch-Lightning实现 这是一个实现，和使用。可以对配置进行调整，以实现一系列可能的自我监督实现。 我们最近添加了必要的功能来运行和进行比较。 有关更多详细信息，请参见博客文章。 安装 确保你在一个新的很conda或venv环境中，然后运行： git clone https://github.com/untitled-ai/self_supervised cd self_supervised pip install -r requirements.txt 复制我们的结果 您可以通过运行python train_blog.py复制我们博客文章的结果。 z和z'之间的余弦相似度报告为step_neg_cos （对于负面示例）和step_pos_cos （对于正面示例）。分类准确性报告为valid_class_acc 。 入门 要开始在STL-10（默认配置）上使用

该代码在matlab2013a环境下实现。在经典的Tri-Training算法上做了改进，三个基分类器采用BP神经网络，附有文档说明。另外，我提供了图像数据集，是对VOC2007中的person对象做了处理，分别提取颜色矩特征（9个属性），灰度共生矩阵特征（17个属性），共9786个样本，两类标签，按照不同比例分为无标记样本和有标记样本。

A supervised gradient-based learning algorithm for optimized.pdf

这是xiaojin zhu的学生Andrew Brian Goldberg于2010年写的一个report，指出了半监督学习的未来发展方向。

超高维数据降维算法，亲测可用，Lasso算法。输入数据第一列是y，2：end是x。