机器学习决策树

需要python3.6环境，使用时需安装redis,在setting.py 设置 redis  地址，运行run.py,用过input_tool.py 控制操作。

笨办法学Python3， 通过50道简单题目来上手Python，炒鸡适合初学者（全英文，不过难词较少，过了4级就可以看）(LEARN PYTHON 3 THE HARD WAY__ A Very Simple Introduction To The Terrifyingly Beautiful World Of computers And Code, Third Edition by Zed A. Shaw)

用于abaqus周期性边界条件的建立，采用python参数化建模。(The periodic boundary conditions for ABAQUS,The parameterized modeling of Python is adopted.)

说明：  c4.5实现手写数字体识别，手写数字识别，数据集使用的是自建手写体库(Realization of handwritten numeral recognition with C4.5)

目录1.踩过的坑(tensorflow)2.tensorboard3.代码实现（python3.5）4.运行结果以及分析

K-mean算法实现客户分类。 K-Means算法思想：（1）事先确定常数K，常数K意味着最终的聚类类别数，（2）首先随机选定初始点为质心，并通过计算每一个样本与质心之间的相似度(这里为欧式距离)，（3）将样本点归到最相似的类中，（4）接着，重新计算每个类的质心(即为类中心)，重复这样的过程，直到质心不再改变，最终就确定了每个样本所属的类别以及每个类的质心。(Implementing Customer Classification by K-means Algorithms)

遗传算法解决处理路径问题 挺好的一个算法(vrp problem solved by GA)

说明：  机器学习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，为包括人脸识别领域的人工智能的发展做出了极大的贡献。本文探索如何应用机器学习中的一些技术，使计算机更好地完成人脸识别领域中的人脸检测和人脸验证。 在人脸检测方面，针对如何快速、准确地检出人脸的问题，基于DLIB中特征模型，可以快速提取检测出人脸，并且提取出人脸特征点,主要作用就是快速检测定位人脸。在训练过程中，引入了ResNet机器学习算法，该算法采用多层卷积神经网络结构，对人脸进行多层特征提取和描述，得到人脸特征描述符。通过测试可以证实了上述方法能够检测和识别人脸。(In terms of face detection, for the problem of how to detect faces quickly and accurately, based on the feature model in DLIB, you can quickly extract and detect faces, and extract face feature points, the main role is to quickly detect and locate faces. In the training process, the VGG-FACE machine learning algorithm is introduced. This algorithm uses a multi-layer convolutional neural network structure to perform multi-layer feature extraction and description on the face to obtain the face feature descriptor. Tests can confirm that the above method can detect and recognize human faces.)

3D MRI denoising based deep learning.

说明：  前向算法后向算法双向算法方法实现中文匹配(Forward algorithm backward algorithm two way algorithm for Chinese matching)