GraphAware Neo4j推荐引擎 | GraphAware Neo4j推荐引擎是一个用于在Neo4j上构建高性能复杂推荐引擎的库。 它在的许多客户中投入生产，这些客户在具有数亿个节点的图形上提供实时建议。 主要特征： 干净灵活的设计 高性能 权衡推荐质量以提高速度的能力 能够预先计算建议 内置算法和功能 衡量推荐质量的能力 能够在A / B测试环境中轻松运行 该库强加了一种特殊的推荐引擎体系结构，这是从我们在Neo4j之上构建推荐引擎的经验中得出的。 作为回报，它提供了高性能并处理了大部分管道，因此您只需编写特定于用例的推荐业务逻辑。 除了实时计算建议外，它还允许预计算建议，这些建议可能太复杂而无法实时计算。 预计算在安静的时间段内尽力而为，因此不会干扰Neo4j数据库正在执行的常规事务处理。 社区与企业 该模块的开源（GPL）版本与GraphAware Framewor

这是关于模式识别的电子书，高清，最新版本，经典著作，英文版

多对象记录 图像中的多对象识别（CS231N 项目）

本资源为东北大学陈东岳老师的模式识别课程的课程PPT，本课程以周志华的机器学习和pattern recognize为教材，讲解了一系列机器学习的算法。ppt为英文书写。

Pattern Recognition and Machine Learning 课后习题完整答案！ 与其他的不完全答案是有区别的哈！ 大家可以仔细的看下，这个是1.5M！ 0. + p(arp(r)+plabip(b)+plalgiplg 0.2+-×0.2+×0.6=0.34 p(glo lgpl) po 0)= polyp(r)+plolb)p(b)+p(olg)plg) 0.2+×0.2+×0.6=0.36 30.61 p(90)=10×0 f"(t)=0 y f(⑨)=f(9(0)g'(0)=0 g(y)≠0 f(g()=0 p2(x) x=9(y) P2(9 g(y)=89()8∈{-1,+1} P2/(y)=p2(9(y)9g(y) p()=8p(0(){9()}2+p(9(y)g() g(y P:r(a Py(y) 6 N=50.000 g(y)=ln(y)-1(1-y)+5 +exp(a+5 (y 1(x) par p2(9(y) 50,000 E(()-EIf()=Elf()-2f()Ef(+Elf(el Ef(a)-2EIf (E[f(c)+Elf(a) o{x,y-Exy-Ex」Elyl p(a,)=p(a)p(y y =∑∑m(,yzy ∑()∑0y ElEY cov, y=0 y rcos e y r sin 0:c0x os6-rsin e sing r cos e 2丌 Bo2 rdr de 0 l 0 丌exp 2 )(-2)1 0 w(alp y=/=(2 (2丌σ 2 =/(am) 1) d

Pattern Recognition and Machine Learning，英文原版，非扫描版， 高清晰度，Machine Learning 大牛Bishop著

表情识别部分代码

pycon_reco 抓取 Pycon 谈话描述、主题建模，并使用主题构建推荐器。 在 nbviewer 中查看笔记本

使用python3.6，tensorflow 2.0全新的API搭建一个中文汉字手写识别系统。

Bishop PRML 课后习题解答 包含所有习题，非网络版， 应该是目前来说最完整的习题解答，不同于网络版只提供习题中包含"www"标识的答案，本解答包含所有不同难度习题的详细解答