CNN二分类

Bert-BiLSTM-CRF-pytorch版源代码，实体识别

说明：  文档详细介绍了随机森林和决策树概念应用并附有相关代码，可运行(The document details the conceptual application of Stochastic Forest and decision tree)

代码中包含13种强化学习算法，所调用的环境不仅包含gym下面的一些简单环境，还可以自己设计环境（简单的迷宫游戏），简洁明了，适合算法学习的同学使用，其中A3C与PPO还涉及了并行运算的算法。

说明：  python与机器学习实战教程，机器学习通过Python语言实现，通过大量的实例再现机器学习强大的生命力(Python and Machine Learning Practical Course. Machine Learning is realized by Python Language, and the powerful vitality of machine learning is reappeared through a large number of examples.)

说明：  The collection contains only those submissions to VOT2018 for which we were able to obtain explicit permission from the authors (this was indicated by the authors during results submission process).

基于python的svm分类学习。线性可分svm，非线性svm。 对花卉（花蕾）进行分类，并可视化(SVM classification learning based on Python)

说明：  利用openmv硬件平台，实现颜色识别，色块跟随，并在串口打印出色块的中心坐标(Using openmv hardware platform to realize color recognition, color block following, and printing the center coordinates of excellent block at serial port)

神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习 技术。 本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书 分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使 用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读 者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善 神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识 和树莓派知识。 本书适合想要从事神经网络研究和探索的读者学习参考，也适合对人工智 能、机器学习和深度学习等相关领域感兴趣的读者阅读。(Python Neural Network Programming)

说明：  python小程序实现，简单高级算法讲解进阶工程(Python small program implementation, simple advanced algorithm to explain advanced engineering)

说明：  人脑神经网络和计算机神经网络的不同在于，人脑可以解决通用性和跨领域的问题，而计算机神经网络只能解专门的问题，所以哪怕阿尔法狗在围棋界孤独求败战胜了所有男人，但他也不能识别出站在他面前的两个女生谁更漂亮(The difference between human brain neural network and computer neural network is that human brain can solve universal and cross domain problems, while computer neural network can only solve specialized problems. Therefore, even if alpha dog defeats all men alone in go, he can not identify the two girls standing in front of him who is more beautiful)