Deep Reinforcement Learning for 5G Networks: Joint Beamforming, Power Control, and Interference Coor

说明：  chrome插件，使用vpnso 访问google时使用的插件(chrome use vpn if you use gmail so you use this)

# 简介 #此项目为自学Python手记，每个支持点都有代码案例说明。如果你想系统的学习一下Python那么来看下面的文章就对了，深入浅出，带你进入Python的世界。# 开发环境 #- Windows 10- Python 3.6- Visual Studio Code（IDE）

说明：  Python基础训练100题(带答案)适合初学者进行学习和训练(Python basic training 100 questions (with answers))

一个Python实现的canopy算法，可以进行聚类，支持欧氏距离，余弦距离，文件对输入数据进行了处理，下载后可以自己通过更改一部分读数据代码把数据换成自己的数据

说明：  偏最小二乘法是一种新型的多元统计数据分析方法，于1983年由S.Wold和C.Albano等人首次提出。偏最小二乘法实现了，在一个算法下，可以同时实现回归建模（多元线性回归）、数据结构简化（主成分分析）以及两组变量之间的相关性分析（典型相关分析）。 PCA方法虽解决了自变量共线性的问题，但是并没有考虑自变量主元对于因变量变化的解释作用。所以删除的次要主元有可能包含对回归有益的信息，而保留的主元有可能会夹杂一些对回归模型输出无益的噪声。 PLS方法，通过将自变量和因变量的高维数据空间投影到相应的低维空间，分别得到自变量和因变量的相互正交的特征向量，再建立自变量和因变量的特征向量间的一元线性回归关系。不仅可以克服共线性问题，它在选取特征向量时强调自变量对因变量的解释和预测作用，去除了对回归无益噪声的影响，使模型包含最少的变量数。(Partial least square method is a new multivariate statistical data analysis method, which was first proposed by S. wold and C. Albano in 1983. Partial least square method can realize regression modeling (multiple linear regression), data structure simplification (principal component analysis) and correlation analysis (typical correlation analysis) between two groups of variables.)

鱼眼相机标定及校正，利用opencv对鱼眼相机进行标定及校正，输出校正后图像(Calibrate fisheye lens using OpenCV)

说明：  1D-CNN的模型、训练与预测。用于时间序列的一种信号处理。(the model of 1D-CNN with trainning and prediction)

说明：  正则表达式的一般用法。测试一下，能否下载(In this paper, we present the generalized result about the regularity of operators.)

SVR源码以及详细交通流预测模型，里面有SVM，SVR，LSSVM(SVR source code and detailed traffic flow prediction model, including SVM, SVR, LSSVM)

说明：  《Python数据挖掘入门与实践》高清中文版 本书作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。本书面向愿意学习和尝试数据挖掘的程序员。("Python Data Mining Getting Started and Practice" HD Chinese version As a primer on data mining, this book introduces the basic knowledge, basic tools and practical methods of data mining. By step-by-step explanation of the algorithm, you can easily embark on the journey of data mining. This book uses a combination of theory and practice, showing how to use the decision tree and random forest algorithm to predict the results of the American professional basketball league game, how to use the affinity analysis method to recommend movies, how to use the naive Bayesian algorithm for social media mining ,and many more. This book also covers neural networks, deep learning, big data processing and more. This book is for programmers who are willing to learn and experiment with data mining.)