Gene Expression Programming for Python

聚类算法，DBscan，决策树，逻辑回归，svm等机器学习python代码(DBscan python pythonpython Decision Tree Regression Trees)

python爬取猫眼电影，猫眼电影爬取，可怕取多页，也可以自己设置页码，程序亲测通过！！！！

提供广告发布功能到cracker网站，此文件支持部分business的发布。(post advertisement to website cracker)

说明：  py语言led控制操作代码,第三方工具。(Py language LED control operation code, third-party tools.)

《Python自然语言处理(影印版)》提供了非常易学的自然语言处理入门介绍，该领域涵盖从文本和电子邮件预测过滤，到自动总结和翻译等多种语言处理技术。在《Python自然语言处理(影印版)》中，你将学会编写Python程序处理大量非结构化文本。你还将通过使用综合语言数据结构访问含有丰富注释的数据集，理解用于分析书面通信内容和结构的主要算法。 《Python自然语言处理》准备了充足的示例和练习，可以帮助你： 从非结构化文本中抽取信息，甚至猜测主题或识别“命名实体”； 分析文本语言结构，包括解析和语义分析； 访问流行的语言学数据库，包括WordNet和树库(treebank)； 从多种语言学和人工智能领域中提取的整合技巧。 《Python自然语言处理(影印版)》将帮助你学习运用Python编程语言和自然语言工具包(NLTK)获得实用的自然语言处理技能。如果对于开发Web应用、分析多语言新闻源或记录濒危语言感兴趣——即便只是想从程序员视角观察人类语言如何运作，你将发现《Python自然语言处理》是一本令人着迷且极为有用的好书。(Industrial-Strength Natural Language Processing in Python Chinese Version)

基于树莓派B+版本的车牌识别设计，辨识部分以树莓派3B+/3B为核心处理器，基于Linux平台，通过python3.5和OpenCV来对含有车牌信息的图片，进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry pie 3B+/3B as the core processor, and based on Linux platform, uses Python 3.5 and OpenCV to process the image containing license plate information, and carries out a series of image processing operations such as Gaussian denoising, graying, edge detection, binarization, closed operation, character segmentation, character recognition matching, etc. Finally, the system of license plate recognition is realized)

进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，进行神经网络的实现，介绍了神经网络算法，

用U-net进行脑部图像多类分割，用keras框架进行实现(U-net brain segmentation keras tensorflow background)

说明：  DE+SVM的简单实现，通过准确率来优化SVM的参数，从而提高分类准确率(The simple implementation of DE+SVM optimizes the parameters of SVM through the accuracy, so as to improve the classification accuracy)

迁移学习中经典算法Tradaboost的python实现(Python implementation of classical algorithm Tradaboost in transfer learning)