Logistic回归案例（数据集+python代码），包含完整案例数据集和代码，具体操作步骤，可以参看我的CSDN博客。

NSGA-II的中文翻译，研究多目标优化算法的可以看一下，入门论文之一！非支配排序遗传算法。
非支配排序遗传算法

Formatofthedatasetraw.kb:therawkbdatafromNELLsystemkb_env_rl.txt:weaddinversetriplesofalltriplesinraw.kb,thisfileisusedastheKGforreasoningentity2vec.bern/relation2vec.bern:transEembeddingstorepresentoutRLstates,canbetrainedusingTransXimplementationsbythunlptasks/:eachtaskisaparticularreasoningrelationtasks/${relation}/*.vec:trainedTransHEmbeddingstasks/${relation}/*.vec_D:trainedTransDEmbeddingstasks/${relation}/*.bern:trainedTransREmbeddingtrainedtasks/${relation}/*.unif:trainedTransEEmbeddingstasks/${relation}/transX:triplesusedtotraintheKBembeddingstasks/${relation}/train.pairs:traintriplesinthePRAformattasks/${relation}/test.pairs:testtriplesinthePRAformattasks/${relation}/path_to_use.txt:reasoningpathsfoundtheRLagenttasks/${relation}/path_stats.txt:pathfrequencyofrandomisedBFS

我们使用了循环一致性生成对抗网络（CycleConsistentGenerativeAdversarialNetworks,CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。

第一章：引言（2学时）第二章：文本特征提取技术（4学时）第三章：文本检索技术（6学时）第四章：文本自动分类技术（3学时）第五章：文本自动聚类技术（3学时）第六章：话题检测跟踪技术（3学时）第七章：文本过滤技术（3学时）第八章：关联分析技术（1学时）第九章：文档自动摘要技术（2学时）第十章：信息抽取（3学时）第十一章：智能问答（QA）技术（3学时）第十二章：文本情感分析技术（3学时）第十三章：Ontology（2学时）第十四章：半结构化文本挖掘方法（1.5学时）第十五章：文本挖掘工具与应用（1.5学时）

RasaCore项目，自然语言理解官方文档，中文版本入门•动机•但我不用python代码！•安装教程•建立一个简单的机器人•监督学习教程•互动学习•没有Python的RasaCore深潜•域，插槽和操作•故事-训练数据•常见模式•探究-如何融合在一起•HTTP服务器•连接到消息和语音平台•计划提醒PythonAPI•代理人•事件开发者文档•Featurization•解释器•自定义策略•跟踪对话状态•迁移指南•更改日志

博客地址：https://blog.csdn.net/wen_fei/article/details/80261047VGG-Face模型Pytorch版本，使用Pytorch的torch.load(VGG_FACE_LOCATION)可直接读取，基于千万张人脸数据训练，

栅格地图下Astar最短路径（C++），自动驾驶

ATEC蚂蚁金服比赛训练数据，供个人使用测试，支付风险识别

互联网上经常被用来研究信用风险评级模型的加州大学机器学习数据库中的germancreditdata