【为什么学习机器学习算法？】人工智能是国家发展的战略，未来发展的必然趋势。
将来很多岗位终将被人工智能所代替，但人工智能人才只会越来越吃香。
中国人工智能人才缺口超过500万，人才供不应求。
要想掌握人工智能，机器学习是基础、是必经之路，也是极其重要的一步。
【课程简介】很多人认为机器学习难学，主要是因为其过于关注各种复杂数学公式的推导，从而忽略了公式的本质。
本课程通过对课件的精心编排，课程内容的不断打磨，重磅推出机器学习8大经典模型算法，对晦涩难懂的数学公式，通过图形展示其特点和本质，快速掌握机器学习模型的核心理论，将重点回归到机器学习算法本身。
本课程选取了机器学习经典的8大模型：线性回归、逻辑回归、决策树、贝叶斯分类器、支持向量机(SVM)、集成学习、聚类以及降维再也不用东拼西凑，一门课程真正掌握机器学习核心技术。
它们是人工智能必经之路，机器学习必学技术，企业面试必备技能。
?《深度学习与神经网络从原理到实践》课程现已上线，这使得人工智能学习路径愈加完备，地址：https://edu.csdn.net/course/detail/29539
将来很多岗位终将被人工智能所代替，但人工智能人才只会越来越吃香。
中国人工智能人才缺口超过500万，人才供不应求。
要想掌握人工智能，机器学习是基础、是必经之路，也是极其重要的一步。
【课程简介】很多人认为机器学习难学，主要是因为其过于关注各种复杂数学公式的推导，从而忽略了公式的本质。
本课程通过对课件的精心编排，课程内容的不断打磨，重磅推出机器学习8大经典模型算法，对晦涩难懂的数学公式，通过图形展示其特点和本质，快速掌握机器学习模型的核心理论，将重点回归到机器学习算法本身。
本课程选取了机器学习经典的8大模型：线性回归、逻辑回归、决策树、贝叶斯分类器、支持向量机(SVM)、集成学习、聚类以及降维再也不用东拼西凑，一门课程真正掌握机器学习核心技术。
它们是人工智能必经之路，机器学习必学技术，企业面试必备技能。
?《深度学习与神经网络从原理到实践》课程现已上线，这使得人工智能学习路径愈加完备，地址：https://edu.csdn.net/course/detail/29539
2018/5/3 18:47:12
3.37MB
1
遗传算法(geneticalgorithm,GA)是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。
遗传算法是把问题参数编码为染色体,再利用选代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。
谢菲尔德(Sheffield)遗传算法工具箱是英国谢菲尔德大学开发的遗传算法工具箱。
该工具箱是用MATLAB高级语言编写的，对问题使用M文件编写，可以看见算法的源代码，与此婚配的是先进的MATLAB数据分析、可视化工具、特殊目的应用领域工具箱和展现给使用者具有研究遗传算法可能性的一致环境。
该工具箱为遗传算法研究者和初次实验遗传算法的用户提供了广泛多样的实用函数。
遗传算法工具箱提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架，它不依赖问题的具体领域，对问题的种类具有很强的鲁棒性，所以它广泛应用于各个科学领域。
遗传算法在函数优化、组合优化、生产调度、自动控制、机器人学、图像处理、人工生命、遗传编码和机器学习等方面得到了广泛运用。
遗传算法是把问题参数编码为染色体,再利用选代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。
谢菲尔德(Sheffield)遗传算法工具箱是英国谢菲尔德大学开发的遗传算法工具箱。
该工具箱是用MATLAB高级语言编写的，对问题使用M文件编写，可以看见算法的源代码，与此婚配的是先进的MATLAB数据分析、可视化工具、特殊目的应用领域工具箱和展现给使用者具有研究遗传算法可能性的一致环境。
该工具箱为遗传算法研究者和初次实验遗传算法的用户提供了广泛多样的实用函数。
遗传算法工具箱提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架，它不依赖问题的具体领域，对问题的种类具有很强的鲁棒性，所以它广泛应用于各个科学领域。
遗传算法在函数优化、组合优化、生产调度、自动控制、机器人学、图像处理、人工生命、遗传编码和机器学习等方面得到了广泛运用。
2018/7/26 11:26:44
436KB
1
机器学习代码编写机器学习算法的数学推导和纯Python代码完成。
2019/9/27 12:53:30
972KB
1
朱元国教授的“智能优化算法”课件,包括模仿退火算法、人工神经网络、遗传算法、蚁群等。
模式识别、机器学习等都是用的上的。
模式识别、机器学习等都是用的上的。
2016/1/21 10:27:50
5.26MB
1
文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。
可作为人工智能、机器学习初学者的学习资料。
模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。
数据集前11列为红酒的属性，最初一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。
通过对机器学习分类模型输入特征值，得出此红酒的种类。
需要Python版本3.8及以上；
需要引入第三方库pandas和sklearn。
可作为人工智能、机器学习初学者的学习资料。
模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。
数据集前11列为红酒的属性，最初一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。
通过对机器学习分类模型输入特征值，得出此红酒的种类。
需要Python版本3.8及以上；
需要引入第三方库pandas和sklearn。
2020/10/4 16:03:38
27KB
1
机器学习FileTypeIdentifier：一种机器学习算法，用于自动识别文件编写的编程语言类型。
要求Python模块：theano、numpy、scipy、scikit-learn(sudo)pipinstalltheanonumpyscipyscikit-learn用法现在，您可以通过以下命令运行脚本：pythonmain.py或者pythoncode_identifier.py并按照帮助信息（使用部分。
）。
code_identifier.py是用Theano实现的，而main.py是用Scikit-Learn实现的。
PS：这个工具的使用还是有点小技巧的，在near功能上应该愈加人性化。
要求Python模块：theano、numpy、scipy、scikit-learn(sudo)pipinstalltheanonumpyscipyscikit-learn用法现在，您可以通过以下命令运行脚本：pythonmain.py或者pythoncode_identifier.py并按照帮助信息（使用部分。
）。
code_identifier.py是用Theano实现的，而main.py是用Scikit-Learn实现的。
PS：这个工具的使用还是有点小技巧的，在near功能上应该愈加人性化。
2017/4/9 7:23:07
399KB
1
注：数据集太大，可在压缩包中的数据集html页面中点击链接下载完整数据集。
本项目采用ASSISTments2012数据集，在所有数据集中，问题通常只有一种技能，但极少数可能与两种或三种技能相关联。
它通常取决于内容创建者给出的结构。
一些研究人员通过复制将具有多种技能的记录分成多个单一技能记录。
Wilson[6]声称这种类型的数据处理可以人为地显著提高预测结果，因为这些重复行可以占到DKT模型的Assistment09数据集中大约25%的记录。
因此，为了比较的公正性，我们在所有数据集中去掉了重复和多技能重复记录。
本项目基于pandas+Matplotlib+seaborn等工具包对学生的测试数据进行可视化统计分析，并利用学生2012年和2013年上半年不同类型题目的测试结果数据，构建机器学习面向，实现对学生的画像建模，以此预测2013年下半年测试对不同类型问题的表现。
可以看出，该决策树模型的预测结果如下，可以较好的依据用户测试的行为数据（测试过的试题种类、测试时间、犹豫情况、提示次数等等），预测该学生能否能考试达标（测试准确率＞60%）
本项目采用ASSISTments2012数据集，在所有数据集中，问题通常只有一种技能，但极少数可能与两种或三种技能相关联。
它通常取决于内容创建者给出的结构。
一些研究人员通过复制将具有多种技能的记录分成多个单一技能记录。
Wilson[6]声称这种类型的数据处理可以人为地显著提高预测结果，因为这些重复行可以占到DKT模型的Assistment09数据集中大约25%的记录。
因此，为了比较的公正性，我们在所有数据集中去掉了重复和多技能重复记录。
本项目基于pandas+Matplotlib+seaborn等工具包对学生的测试数据进行可视化统计分析，并利用学生2012年和2013年上半年不同类型题目的测试结果数据，构建机器学习面向，实现对学生的画像建模，以此预测2013年下半年测试对不同类型问题的表现。
可以看出，该决策树模型的预测结果如下，可以较好的依据用户测试的行为数据（测试过的试题种类、测试时间、犹豫情况、提示次数等等），预测该学生能否能考试达标（测试准确率＞60%）
2017/4/11 3:14:22
1.53MB
1
包括了用Matlab实现的蒙特卡罗方法源代码，蒙特卡罗方法讲解的PPT，同时有运用蒙特卡罗方法的demo.
2021/1/23 8:52:28
389KB
1
家用电力监测系统功能概述:该设计微型电力监测仪，采用R7F0C004单片机和公用的电能计量芯片，配合高精密的电流电压采样电路及LCD显示器，实现对用电设备的全面监控。
通过LCD可以显示当前用电设备的用电量、功率、电压、电流、累计时间、频率、CO2排放量。
可用于LED节能灯、空调、冰箱及微波炉等家用电器的监控，也可作为教学用的测量仪器。
家用电力监测系统设计原理:微型电力监测仪是由AC转DC降压整流电路，电流、电压采样电路，电能计量芯片控制电路，温度传感器控制电路，LCD显示控制电路，EEPROM控制电路和主控MCU等组成，原理框图如下:家用电力监测系统电路实验PCB板截图:
通过LCD可以显示当前用电设备的用电量、功率、电压、电流、累计时间、频率、CO2排放量。
可用于LED节能灯、空调、冰箱及微波炉等家用电器的监控，也可作为教学用的测量仪器。
家用电力监测系统设计原理:微型电力监测仪是由AC转DC降压整流电路，电流、电压采样电路，电能计量芯片控制电路，温度传感器控制电路，LCD显示控制电路，EEPROM控制电路和主控MCU等组成，原理框图如下:家用电力监测系统电路实验PCB板截图:
2016/1/24 7:05:53
5.52MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB