python实现knn算法

说明：  在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域， 如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一 些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经 网络，等等。 本书是为想用机器学习算法开发应用程序的 Python 程序员准备的。它适合 Python 初学者阅读，不过熟 悉 Python 编程方法对体验示例代码大有裨益。(Machine learning in Python)

说明：  python自然语言处理的中文翻译 作者: StevenBird, EwanKlein & EdwardLoper 英文出版社：O'REILLY 翻译：陈涛 提供了非常易学的自然语言处理入门介绍，该领域涵盖从文本和电子邮件预测过滤，到自动总结和翻译等多种语言处理技术。在此书中，你将学会编写Python程序处理大量非结构化文本。你还将通过使用综合语言数据结构访问含有丰富注释的数据集，理解用于分析书面通信内容和结构的主要算法。 《Python自然语言处理》准备了充足的示例和练习，可以帮助你： 从非结构化文本中抽取信息，甚至猜测主题或识别“命名实体”； 分析文本语言结构，包括解析和语义分析； 访问流行的语言学数据库，包括WordNet和树库(treebank)； 从多种语言学和人工智能领域中提取的整合技巧。(Natural Language processing with python)

使用python的flask框架 mysql实现的注册登录功能。

dgango框架搭建的配置文件参考，源于edX开源项目代码(dgango profile reference frame structures, from edX open source project code)

ptthon关于文本分类的算法,利用分类算法实现对文本的数据挖掘，主要包括： 1. 语料库的构建，主要包括利用爬虫收集Web文档等； 2. 语料库的数据预处理，包括文档建模，如去噪，分词，建立数据字典， 使用词袋模型或主题模型表达文档等； 注：使用主题模型，如LDA可以获得实验加分； 3. 选择分类算法（如朴素贝叶斯、SVM等），训练文本分类器，理解所选 的分类算法的建模原理、实现过程和相关参数的含义； 4. 对测试集的文本进行分类 5. 对测试集的分类结果利用正确率和召回率进行分析评价

对光学遥感影像进行分类，对特征进行标记，使用SVM、随机森林进行分类预测精度

自信车轮压力分析 python 源代码 有限元分析(Wheel of bike ，python Finite Element code)

支持向量机（support vector machine，简称SVM）于1964年由Vapnik和Chervonenkis建立，在上世纪90年代获得快速发展并衍生出一系列改进和扩展算法，在人像识别、文本分类、手写字识别及生物信息学等领域获得广泛应用。

说明：  用UNSW数据集进行入侵检测，运用各种组合模型，精确度能达到90%以上，运用比较流行的神经网络模型分别进行了测试(Intrusion detection using UNSW dataset)

蒙特卡洛树搜索的demo，模拟一个tic tac toe游戏，可以做到不败。 python3编写，无依赖。 UCT可以替换，现在有变种叫PUCT，可能效果会更好。