python 基于django中间件实现的权限管理系统

机器学习实战，主要关于推荐系统，聚类分析，使用语言为python(maching learning in action)

说明：  自定义卷积核，用numpy完成图像卷积运算，生成对应特征图(Customizing convolution kernel, using numpy to complete image convolution operation, generate corresponding feature map)

这是一个利用python里微信机器人，然后获取微信好友的照片，然后利用图像处理，把照片合成在一张照片里。(This is a use of the python Weixin robot, and then get the pictures of Weixin friends, and then use image processing to synthesize the pictures in a picture.)

用于细胞检测的神经网络代码。 使用Unet进行边缘检测。(Neural network code for cell detection. Unet is used for edge detection.)

一个xgboost实现的回归模型预测，数据集来源于kaggle的taxi竞赛(Regression model prediction based on a xgboost implementation)

采用PIL 和pytesser进行简单的验证码识别 程序包中已经包含了pytesser，但是需要自己安装PIL 使用样例 getverify1( v1.jpg ) 返回值为识别出的字符(To PIL and pytesser simple identification code validation package already contains pytesser, but need to install PIL using the sample getverify1 (' v1.jpg' ) return value identifies the character)

说明：  利用Python人工智能实现的人脸检测功能(Face Detection Using Python Artificial Intelligence)

1. 应用朴素贝叶斯算法，对Content 数据集进行分类 1）对数据进行清洗 2）基于给定的词库和停止词，进行文本切词 3）建立NB模型

动态规划|集10（0-1背包问题）

SVM做的验证码识别，准确率85%# -*- coding: utf-8 -* __author__ = "eple" from svmutil import * from PIL import Image from numpy import * import os import string def getFeatures(path): features = [] im = array(Image.open(path).convert("L")) h,w = shape(im) for i in xrange(0,h): for j in xrange(0,w): im[i][j] = 0 if im[i][j] < 128 else 1 for i in xrange(1,h-1): for j in xrange(1,w-1): if im[i][j] != 0 and im[i-1][j]==0 and im[i][j-1]==0 and im[i][j+1]==0 and im[i+1][j]==0: im[i][j] = 0 for rang in [xrange(2,8), xrange(12,18), xrange(22,28), xrange(32,38)]: temp = [] for i in rang: for j in xrange(0,10): temp.append(im[j][i]) features.append(temp) return features