sift

说明：  详细编写如何让使用cnn识别自己的图片，自己建立cnn模型，可修改(Write in detail how to use CNN to identify their own pictures)

这是python机器学习实战所有相关源代码，包括knn,朴素贝叶斯，支持向量机，决策树，逻辑回归，Apriori算法等， 对应算法都有对应的数据包括训练集和测试集以供测试，各种算法都以函数式的编程模式实现，可以轻松在Spyder打开，在编辑窗口修改，在console窗口运行调试，是机器学习爱好者必备资料。

python排序程序，基于冒泡法排序，可用于成绩自动化排序修改excel(Python sorting program, examples of sorting bubble method, can be used to automate the sorting of results to modify Excel)

python版本的USB-CAN分析仪示例代码，用ctypes访问dll动态链接库，界面使用pyqt。界面参照光盘文档C#版本所写，实现设置、收发等功能。开发环境是vs2012+python插件。

深度网络中防至过拟合的情况，可以使用正则化，这里将实现L2正则化(In case of overfitting in deep network, regularization can be used, and L2 regularization is implemented here.)

利用python脚本，调用arcpy工具，提取卫星影像外接矩形适量数据。

什么是
变分自动编码器? 为了理解VAE，我们首先从最简单的网络说起，然后再一步一步添加额外的部分。一个描述神经网络的常见方法是近似一些我们想建模的函数。然而神经网络也可以被看做是携带信息的数据结构。假如我们有一个带有解卷积层的网络，我们设置输入为值全为1的向量，输出为一张图像。然后，我们可以训练这个网络去减小重构图像和原始图像的平均平方误差。那么训练完后，这个图像的信息就被保留在了网络的参数中。(What is a variational automatic encoder? To understand VAE, we start with the simplest network, and then add additional parts step by step. A common way to describe neural networks is to approximate some of the functions we want to model. However, neural networks can also be regarded as data structures carrying information. If we have a network with deconvolution layer, we set the input to a vector with all values of 1 and output to an image. Then, we can train the network to reduce the average square error between the reconstructed image and the original image. After training, the information of the image is retained in the parameters of the network.vae)

测试数据集的代码mapreduce编程

k近邻算法，k NearestNeighbor(KNN)，它的工作原理如下：    存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。当输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

说明：  用python实现二维和三维数据的k-均值聚类算法(Implementation of k-means clustering algorithm for 2D and 3D data with python)