我将展示如何准备训练和测试数据，定义简单的神经网络模型，进行训练和测试。

绘图机器人V3 关于 Drawing Bot是一款免费的开源软件，可将绘图仪/绘图仪/ 3D打印机的图像转换为线条图。 它还可以用作视觉艺术家的应用程序，以从图像/视频创建风格化的线条图。 它适用于Windows，Mac和Linux。 特征 带有实时图形预览的高级用户界面 多种路径查找算法-可配置以创建独特的绘图样式 自动路径优化，可实现更快的绘图-线简化，合并，过滤，排序 笔设置：可配置的颜色/笔划宽度/分布粗细/混合模式-非常适合多层绘图。 60多个图像滤镜用于更改输入 自动CMYK分离 用户可配置的绘图区域，具有填充/缩放模式 原始颜色/灰度采样专用笔 预设：可以保存/导入/导出，以便与其他用户共享不同的样式 导出可以按/笔或按/绘图导出为多种文件类型 批处理：自动转换整个图像文件夹。 GCode-可配置的工程图区域，XYZ偏移/自动归位。 支持的文件类型 Import For

常见机器学习任务的演练-通过使用python和scikit-learn构建Naive Bayes垃圾邮件分类器

机器学习总结一-算法公式的向量化实现vectorization

Big_Data_Project-伪造新闻检测 在这个项目中，我们展示了使用机器学习算法进行文本分类。 我们致力于对给定的新闻文章是假的还是真实的进行分类。 数据清理和预处理： 删除了文本中的特殊字符拼写检查了所有文档删除了停用词对文档进行矢量化处理。 向量化 对于矢量化，我们使用了-计数矢量化器，TFIDF矢量化器，哈希矢量化器。 分类 对于分类目的，我们使用了：多项朴素贝叶斯，支持向量机（LinearSVC），PassiveAgressiveClassifier。 我们比较了矢量化器和分类器的性能。 最后，我们使用集成模型来获得更高的精度。 我们使用scikit-learn最大投票分类器

向量化 使用Guo-Hall Thinning和Ramer-Douglas-Peuker进行图像矢量化的各种方法将PNG图像转换为由连续的x，y坐标定义的线 convert_to_3_stroke： 注意：这些过程假定输入图像是白色背景上的黑线拍摄PNG图像并输出其矢量格式： 放大并腐蚀图像以将线段分组在一起 转换为位图 跟踪位图到SVG 将SVG转换为3冲程格式 get_opt_path： 取得x，y坐标的无序列表，并输出这些点的最佳排序，以便它们线性地跟随彼此： 创建一个循环邻居图 遍历起点以查看可以将距离最小化的地方 get_window_3_stroke 3行程转换的窗口函数。 取得PNG图像和窗口尺寸，并输出矢量化格式： 使用郭霍尔变薄来减少骨骼 获取骨架中的所有非零点 使用DBSCAN集群查找邻居集群 将每个群集解释为“笔划” 在每个群集上使用get_opt_p

Vectorization vs. Compilation in Query Execution.pdf