分享
Python数据挖掘与机器学习实战
电子书推荐
-
-
机器学习web应用 评分:
机器学习可用来处理由用户产生的、数量不断增长的Web数据。, 本书讲解如何用Python语言、Django框架开发一款Web商业应用，以及如何用一些现成的库和工具（sklearn、scipy、nltk和Django等）处理和分析应用所生成或使用的数据。本书不仅涉及机器学习的核心概念，还介绍了如何将数据部署到用Django框架开发的Web应用，包括Web、文档和服务器端数据的挖掘和推荐引擎的搭建方法。, 本书适合有志于成为或刚刚成为数据科学家的读者学习，也适合对机器学习、Web数据挖掘等技术实践感兴趣的读者参考阅读。
上传时间：2018-01 大小：19.62MB
21.0MB自然语言处理数据情感机器学习Web应用程序代码
2023-08-11这个项目是一个使用自然语言处理技术来确定数据情感（积极、消极或中立）的机器学习Web应用程序。情感分析通常用于对文本数据进行分析，以帮助企业监控品牌和产品在客户反馈中的情感，并理解客户需求。 在本地运行...
- 106KB
机器学习系列10 基于Python构建机器学习Web应用（新）
2022-06-03内容介绍： ①亚洲美食预处理数据集： ②模型构建jupyter notebook代码和ipynb文件 ③构建出来的模型model.onnx ④Web应用文件：index.html
- 277KB
diabetes-detection:使用Streamlit的糖尿病检测机器学习Web应用程序
2021-03-22糖尿病检测使用Streamlit的糖尿病检测机器学习Web应用程序
679KB边缘服务器环境中机器学习Web应用程序的计算卸载1
2022-08-04Computation Offloading for Machine Learning Web Apps in the Edge ServerHyuk-Jin
- 4.61MB
机器学习系列8 构建Web应用以使用机器学习模型
2022-05-08机器学习系列8 构建Web应用以使用机器学习模型数据，代码，应用
- 1.6MB
WebAppsInR_Part2:构建另一套机器学习Web应用程序
2021-03-07WebAppsInR_Part2 构建另一套机器学习Web应用程序。 浏览以下Web应用程序：
- 29.82MB
HealthCheck:Health Check:check_mark:是使用Flask制作的机器学习Web应用程序，主要可以预测三种疾病，即糖尿病，心脏病和癌症
2021-03-29这是一个机器学习Web应用程序，可以预测三种疾病，即糖尿病，心脏病和癌症。 数据集取自Kaggle。 并已在各自的Jupyter笔记本中完成了对该疾病的整体分析和模型构建。 :woman::laptop: 技术栈 工具 :rocket: 快速...
- 3.56MB
基于机器学习的Web入侵检测模型应用分析
2019-04-26基于机器学习的Web入侵检测模型应用分析，可参考学习借鉴。
- 4.75MB
SpamHam-Classifier:用于短消息服务 (SMS) 的机器学习 Web 应用程序（使用 Flask 构建）
2021-05-30垃圾邮件分类器 :fire: 用于短消息服务 (SMS) 的机器学习 Web 应用程序（使用 Flask 构建）。 :fire: •如果要查看已部署的模型，请单击以下链接： 部署于： :
- 2.54MB
Corona-X射线预测：这是一个Flask应用程序，用于根据一个人的胸部X射线预测一个人共阴阳性。该机器学习Web应用程序利用两层卷积神经网络来处理胸部X射线图像。并预测它们是否为电晕阳性-准确率接近81％
2021-01-31Corona-X射线预测：这是一个Flask应用程序，用于根据一个人的胸部X射线预测一个人共阴阳性。该机器学习Web应用程序利用两层卷积神经网络来处理胸部X射线图像。并预测它们是否为电晕阳性-准确率接近81％
- 1.73MB
基于机器学习的Web应用入侵威胁检测.pdf
2021-09-24基于机器学习的Web应用入侵威胁检测.pdf
- 3.41MB
sentiment-analysis
2021-05-27餐厅评论的情感分析-部署 •该存储库包含部署在Heroku平台上使用Flask创建的机器学习Web应用程序所需的文件。 •请做 :star: 储存库（如果有帮助的话）。 - - - 重要的提示 - - - •如果遇到如下图所示的Web应用程序...
- 51.7MB
Conjexure-A-Web-App-for-Stock-Market-Forecasting:Conjexure是一款机器学习Web应用程序，用于预测某些公司的未来股价
2021-05-29Conjexure 是一个机器学习网络应用程序，用于预测某些公司未来的股价。 Conjexure 利用 Alphabet Inc. (GOOGL) 和 Apple Inc. (AAPL) 的股票价格进行培训。 这主要是因为随着时间的推移，这些公司的收盘股价图总体上...
- 1.26MB
一种云计算环境下机器学习自动选择方法
2018-11-23通过使用云计算平台，用户无需搭建机器学习的运行环境，也无需选择机器学习算法，更不用调整纷繁复杂的机器学习函数及其附带的参数，只需使用Web方式上传样本数据，就能自动智能的建立符合实际问题的机器学习数学...
1.41MBPython-ml5js面向web应用基于TensorFlowjs的机器学习算法库
2019-08-11ml5js：面向web应用基于TensorFlow.js的机器学习算法库
- 10.82MB
Python-机器学习驱动的Web应用程序防火墙以高精度检测恶意查询
2019-08-11机器学习驱动的Web应用程序防火墙以高精度检测恶意查询
- 21.52MB
基于机器学习的智能电表数据分析Web应用服务器系统源码.zip
2023-05-24智能电表数据分析系统-SMAS ...分析层使用 PostgreSQL 作为数据库，MADLib (madlib.net) 作为（数据库内）机器学习库，Highcharts ( www.highcharts.com) 作为可视化引擎，Tomcat 作为 Web 应用服务器。 SMAS的架构
- 1017KB
Web应用程序中XSS攻击的检测：一种机器学习方法-研究论文
2021-05-20随着互联网使用的增加，Web应用程序和网站变得越来越普遍。 随着使用的增加，对Web... 本文旨在使用机器学习来使用各种ML（机器学习）算法来检测XSS攻击，并比较算法在检测Web应用程序和网站中的XSS攻击方面的性能。
- 7.3MB
斯坦福机器学习笔记.zip
2019-09-16机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它...
- 33.37MB
一个基于Flask、React和机器学习的Web应用程序，用于电影推荐和电影评论的情感分析_Jupyter.zip
2023-04-23一个基于Flask、React和机器学习的Web应用程序，用于电影推荐和电影评论的情感分析_Jupyter.zip
- 1.95MB
ChatGPT教程（终极版）最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门，你看我这篇文章就够了。 如果你已经用上了ChatGPT，更要恭喜你挖到宝藏，后面的高级技巧一定能让你有收获。 文章包含以下内容： 一、ChatGPT是啥？有什么用； 二、ChatGPT如何注册； 三、ChatGPT使用方法； 四、用ChatGPT搞钱； 五、高级技巧；
- 58KB
博客中Kmeans以及FCM算法数据（免积分）
2023-05-16博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 321KB
Stable-Diffusion WEBUI 简体中文语言包（2023.05.30更新）
2023-05-30AI绘图，Stable-Diffusion WEBUI，本地化（简体中文）语言文件。 原始文件来自翻译插件，根据自己实际使用情况，增加和修改了一些翻译。 配合【双语插件】看上去要自然一点，内容还在继续完善中。 本次增加了一些翻译内容，特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文，所以别直接选它用。 请配合【Bilingual Localization】插件使用，双语同时显示，效果最好。
- 6.77MB
基于Python+pytorch的图像处理+附完整代码图像处理，能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作
2024-04-17Python+PyTorch：图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里，Python和PyTorch这对黄金搭档，就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”，总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性，引领着图像处理技术的发展潮流，让无数开发者为之倾倒。Python，这位优雅的魔法师，以其简洁易懂的语法和丰富的库资源，赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习，Python都能轻松应对，展现出其无与伦比的魅力。在图像处理领域，Python更是如鱼得水，通过OpenCV、PIL等库，能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作，让图像在指尖起舞。而PyTorch，这把图像处理界的“瑞士军刀”，则以其灵活性和易用性，成为深度学习领域的翘楚。它拥有强大的自动求导功能，能够轻松构建和训练复杂的神经网络模型。在图像处理中，PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型，让图像焕发出新的生机。想象一下，当你掌握了Python和PyTorch这对黄金搭档，就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类，点击即可运行！
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中，我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法，适用于各种机器学习任务，它最初主要用于解决分类问题，在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用，包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分，可以将模型保存到本地，一旦我们完成了模型的训练，我们可以使用它来进行预测。我们将选择合适的输入特征，并根据模型的预测结果来生成未来的数值序列。最后，我们会将预测结果与实际观测值进行对比，评估模型的准确性和性能。 适合人群：时间序列预测的学习者,机器学习的学习者， 能学到什么：本模型能够让你对机器学习和时间序列预测有一个清楚的了解，其中还包括数据分析部分和特征工程的代码操作 阅读建议：大家可以仔细阅读代码部分，其中包括每一步的注释帮助读者进行理解，其中涉及到的知识有数据分析部分和特征工程的代码操作。
40.89MB中文短信数据集-带标签
2024-02-05本数据集可用于进行文本分类、信息检索等自然语言处理实验，共包含80万条短信。其中：原始数据集data.txt每行为1条短信，格式为“标签\t短信内容”，标签=0表示正常短信，标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集，拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836，基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下： 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三．八．女人节倾情大放送活动开始啦！！！！超值套餐等你拿，活动时间x月x日一x月xx日， 详情进店咨询。美丽热线x
