python 围棋程序

kitti测评方式

kaggle上对旧金山城市的犯罪案件进行分类，属于多分类问题，提供的数据特征包含时间、地点、描述等。本实例包含数据集和代码，机器学习方法是朴素贝叶斯和逻辑回归

该卷积神经网络包含四层卷积层+一层全连接层，激活函数使用RELU，是一种基于tensorflow的Python程序

自然语言处理语义分析演讲内容，入门者推荐学习(Text categorized corpus)

说明：  knn手写数字识别，tensorflow教程(Knn Handwritten Number Recognition)

该文献菜呀PCA进行特征值得提取，而且在多个图片中识别出当前图片，资源库的下载地址为http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html The 可以下到图片训练集。

说明：  sins/gnss组合导航仿真代码，主要功能包括：场景生成、惯性传感器Allan方差分析、磁传感器标定、定姿算法、松组合算法设计等(The sauce code is for the simulation of sins/gnss integrated navigation system, mainly including the scenario generating, Allan variance analysis, attitude determination algorithm and the SINS/GNSS loosely coupled integrated navigation algorithm.)

此代码包含ML代码实现的手段和K-均值实现实现

social lstm tensorflow

SVM: 一种分类器，采用最大化分类间隔进行优化参数。 关于这个分类器两点比较重要： 1）SMO优化算法需要掌握， 可以具体参看两篇文章，John Platt的文章 以及“Improvements to Platt s SMO algorithm for SVM Classifier Design” 2）核函数的使用，如何将核函数使用到SVM中，核函数就是空间转换的函数， 说白了就是距离计算函数，如何将同类之间的距离计算的比较近，如何将低维空间转换到易于分类的高维空间。 我自己看书写的程序，采用Python实现，注释比较多(SVM: a classification, a classification intervals to maximize the use of optimization parameters. About this classifier is more important points:     1) SMO optimization algorithms need to know, you can see the specific two articles, John Platt article         And "Improvements to Platt s SMO algorithm for SVM Classifier Design"     2) the use of nuclear function, how to use the SVM kernel function, the kernel function is a function space conversion, That white is the distance calculation function, how relatively close distance between similar calculations, how to convert low-dimensional space to a high-dimensional space is easy classification. I see myself writing program, using Python, notes more)