机器学习中决策树代码

目标检测中图像裁剪代码，根据目标裁剪图像为统一尺寸。

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)

说明：  机器视觉，OPENCV学习，深度学习源码。(Machine vision, OPENCV learning, in-depth learning source code.)

说明：  机组组合算法优化相关内容，均有注释，英文注释，电力系统经济调度的优化(economic disptch Specific Program of economic dispatch algorithm in electric power system)

样本数据不均衡的数据的解决方案： 过采样：生成样本少的样本，和样本多的样本一样多（同样多） 下采样：两种样本一样小，从多的样本中删除一部分（同样少） 特征缩放：对Amount列进行特征缩放，使其分布范围和其他特征属性的分布范围保持一致 机器学习误区：会认为数值大的数据重要程度较大，但是我们拿到数据，其实每个属性的重要程度是一样的，所以需要进行特征缩放 所以可以进行：归一化（缩放到0~1）或者标准化(缩放到-1~1)

自然语言处理一般是在本科或研究生层次的高年级开设的为期一个学期的课程。很多教 师都发现，在如此短的时间里涵盖理论和实践两个方面是十分困难的。有些课程注重理论而 排挤实践练习，剥夺了学生编写程序自动处理语言带来的挑战和兴奋感。另一些课程仅仅教 授语言学编程而不包含任何重要的NLP 内容。最初开发NLTK 就是为了解决这个问题，使 在一个学期里同时教授大量理论和实践成为可能，无论学生事先有没有编程经验。 算法和数据结构在所有NLP 教学大纲中都十分重要。它们本身可能非常枯燥，而NLT K 提供的交互式图形用户界面能一步一步看到算法过程，使它们变得鲜活。大多说NLTK 组件都有一个无需用户输入任何数据就能执行有趣的任务的示范性例子。(Natural Language Processing (NLP) is a one-semester course offered in senior grades at undergraduate or graduate levels. Many teaching Teachers have found it very difficult to cover both theoretical and practical aspects in such a short period of time. Some courses focus on theory. Crowding out practical exercises deprives students of the challenge and excitement of writing programs to deal with language automatically. Other courses are taught only Teaching Linguistic Programming without any significant NLP content.)

说明：  一种全新的python 用于疲劳强度迟滞回线的脚本分析(a pthon is created to analysis fatigue behavior)

基于python语言的交通流预测，预测结果比较精准(Traffic flow forecast)

详细说明了python及matlab的特点，及其各自特点，并将其联合，进行编程。(A detailed description of the characteristics of python and matlab, and their respective characteristics, and their joint, for programming.)

通过Python基于keras平台实现了时间序列模型gru(Realization of time series model Gru based on keras platform by Python)