搜索资源列表
CodesAndMLPaper
- 包括一篇国外关于机器学习的文章和一些数据结构与算法的代码-abroad, including a study on the machinery of the article and some data structure and algorithm code
Id3
- id3算法的java实现，《机器学习及java实现》一书里面的
NaiveBayes
- 朴素贝叶斯分类算法，《机器学习及java实现里面的》
AttributeSelectedClassifier
- 分类的属性选择算法，《机器学习及java实现里面的》
UCI数据集
- UCI数据集 可用于验证机器学习算法
machine-learning-of-Chinese-Version
- 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。-machine learning is a cross course of many fields,simulate and implement
knn
- 机器学习实战-第二章源码-knn算法（kNN.py）-Machine Learning in Action-Ch2.-kNN
KNNpython
- python实现的k-近邻算法，用于数据分类。机器学习实战-k- nearest neighbor python implemented for data classification. Machine learning combat
K-proximity-algorithm
- 机器学习K临近算法python代码，整个工程都有，直接可以运行。-Machine learning algorithm K near the python code, the entire project has a direct run.
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
svmMLiA
- 机器学习实战的SVN源码，适合用python学习机器学习算法的伙伴。(Machine learning combat SVN source code, suitable for Python learning machine learning algorithm partners.)
3pi(1)
- 本设计以MCU为控制核心,使用迷宫算法与机器自主学习的思想核心和电机PID调速为运动核心的一款智能迷宫小车，通过对传感器的加权平均处理进行高精度数据采集，将连续性变量转换成离散随机变量。首先根据左手运算进行迷宫整体搜索，然后进行数组记忆和最优路径运算，第二次进入赛道5秒逃出迷宫。(This design takes the MCU as the control core, uses the maze algorithm and the machine independent learning c
Deep Learning
- Goodfellow、Bengio 和 Courville 三位大牛的《深度学习》中文版。 这本书首先讨论了机器学习的基础知识，从学术角度讲解了有效研究深度学习所需的应用数学（线性代数，概率和信息论等）知识；在此基础上，本书进一步讲解了深度学习算法和技术的相关知识；在最后一部分，《深度学习》这本书主要讲解了深度学习领域当前的研究趋势以及正在发生的变化。(Chinese versions of Deep Learning.)
遗传算法理论,应用与软件实现 随书源码
- 遗传算法理论,应用与软件实现随书源码 《遗传算法:理论应用与软件实现》全面系统地介绍了遗传算法的基本理论，重点介绍了遗传算法的经典应用和国内外的新发展。全书共分11章。第1章概述了遗传算法的产生与发展、基本思想、基本操作以及应用情况；第2章介绍了基本遗传算法；第3章论述了遗传算法的数学基础；第4章分析了遗传算法的多种改进方法；第5章初步介绍了进化计算理论体系；第6章介绍了遗传算法应用于数值优化问题；第7章介绍了遗传算法应用于组合优化问题；第8章介绍了遗传算法应用于机器学习；第9章讨论了遗传