机器学习实战：基于ScikitLearn和TensorFlow

JSF实战３　书本代码corejsf3-examples.zip

JSF实战３　书本代码corejsf3-examples.zip 很辛苦找到的，努力！

python大数据分析与挖掘实战书本，部分代码

python大数据分析与挖掘实战书本，部分代码 书本作者：黄恒秋，莫洁安，谢东津，张良均等

Flash 学习书本翻页效果的实例制作

Flash 学习书本翻页效果的实例制作 Flash 由macromedia公司推出的交互式矢量图和 Web 动画的标准。网页设计者使用 Flash 创作出既漂亮又可改变尺寸的导航界面以及其他奇特的效果

javacourse-redis-in-action:Java工程师之Redis实战系列教程，同其他教程一样，均是在下学习笔记，本系列主要参考自《 Redis-in-action》，将书本中的有趣的例子转换为能解决特定问题的示例程序，所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨

javacourse-redis-in-action:Java工程师之Redis实战系列教程，同其他教程一样，均是在下学习笔记，本系列主要参考自《 Redis-in-action》，将书本中的有趣的例子转换为能解决特定问题的示例程序，所有的核心章节均提供示例源码在GitHub。希望能和大家一块学习探讨

微信小程序开发项目实例-基于springboot邑信闲置书本交易小程序的研制代码(源码).rar

微信小程序开发项目实例，源码完整，亲测可正常运行。 【项目技术】 微信开发者工具+java+springboot 【实现功能】 主页模块： 首页模块可以浏览平台上已发布的待售书籍名称、简介和售价，同时提供出售模块，用户可以通过出售模块，发布个人想发售的闲置书籍，上传书籍图片、编辑简介和价格。并可以查看发售书籍用户信息，进行关注、私信沟通并查看他发布的其它书籍信息。 搜索模块： 本模块主要为用户提供关键字搜索，方便用户快速查找自己想买的书籍。 购物车和订单模块： 该模块主要用于线上交易，用户看到心仪的书籍后，可以将书籍加入购物车并购买，同时用户可以通过订单管理查看已选购或已出售的书籍订单。 个人中心模块： 考虑到本次研究项目是一个小程序，主要依靠微信相关接口实现用户授权登陆，因此个人中心设计相对简单。主要可以查看我的关注、我的帖子等内容，同时还可以对个人信息、收藏内容进行查看、修改，并支持密码修改和退出登陆等功能。 后台模块 后台为B/S架构，采用SpringBoot框架进行开发实现。使用admin账户登陆，主要为管理员对小程序内容进行管理维护，包括：图书管理、类别管理、消息管理、

机器学习实战示例代码.zip

众所周知，人工智能是当前最热门的话题之一， 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习， 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么， 什么是机器学习呢？ 机器学习 (Machine Learning) 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术，其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前，机器学习已成功地应用于下列领域： 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知，机器学习正在成为各行各业都会经常使用到的分析工具，尤其是在各领域数据量爆炸的今天，各行业都希望通过数据处理与分析手段，得到数据中有价值的信息，以便明确客户的需求和指引企业的发展。

机器学习实战+西瓜书+统计学习方法的部分实例代码实现.zip

众所周知，人工智能是当前最热门的话题之一， 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习， 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么， 什么是机器学习呢？ 机器学习 (Machine Learning) 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术，其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前，机器学习已成功地应用于下列领域： 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知，机器学习正在成为各行各业都会经常使用到的分析工具，尤其是在各领域数据量爆炸的今天，各行业都希望通过数据处理与分析手段，得到数据中有价值的信息，以便明确客户的需求和指引企业的发展。

Machine-Learning:机器学习实战原始码实现

机器学习相关项目实战代码，包括： 1，《机器学习实战》一书python3代码实现，官方版本基于python2 2，一些比赛的记录

机器学习实战数据集+代码

平时大家看机器学习视频教程或者书籍时，是不是总有一种自己已经精通的感觉，但当你尝试去应用它时，可能会发现它比看起来更难。而「项目」可帮助你快速提高应用技巧，同时让你有机会探索有趣的主题。 此外，你可以将项目添加到你的投资组合中，从而更轻松地找到工作，找到更多的职业机会，甚至协商更高的薪水。 我会给大家介绍机器学习常见算法的实现算法，帮助大家系统的学习机器学习算法！

bicycle_detection:环人机器学习书中的实际示例

bike_detection 环人机器学习书中的实际示例 入门 跑步： python Bicycle_detection.py 这将打开一个HTML窗口，使您可以注释给定图像是否包含自行车。 目标是注释足够的数据，以训练比该数据集上当前最新技术结果（约0.85 F分数）更准确的系统。 警告：大量内存和网络资源 此存储库将在本地占用大约1GB的空间。 对于您注释的每个图像，将需要额外的10KB。 因此，50K映像将占用大约500MB的额外磁盘空间。 图像不存储在本地：仅存储功能（因此每个图像只有10KB）。 但是，完整图像会被临时下载以提取功能，因此，您的Internet连接上将有大量数据。 数据 数据是从“开放图像”数据集中获取的大约一百万张图像。 解决的问题 交通研究人员希望估算在某些街道上使用自行车的人数。 “我想收集有关人们在街上骑自行车的频率的信息” “我想从成千上

机器学习实战数据集

"机器学习实战数据集"是一个非常有价值的资源，它包含了一些用于实际操作的数据，可以帮助我们理解和应用书本中的理论知识。这个数据集可能来自于《机器学习》（Machine Learning）这本书，由Andrew Ng教授撰写，是...

tensorflow machine learning cookbook代码及书籍

**TensorFlow机器学习实战指南详解** 本资源集合包含两部分：一是《TensorFlow Machine Learning Cookbook》这本书的英文版，二是与书本配套的源代码。这些资料对于正在学习或已经熟悉TensorFlow的开发者来说，是...

数字图像处理与机器视觉——Visual C++与Matlab实现源代码

《数字图像处理与机器视觉——Visual C++与Matlab实现源代码》这本书是关于计算机视觉领域的一个重要资源，它提供了实际编程实现的示例，帮助读者深入理解和应用图像处理和机器视觉理论。这本书的主要目标是将理论...

《PC机汇编语言实战精解》

9. **实际应用**：通过实例演示汇编语言在实际问题中的应用，如优化C/C++代码、编写系统级程序或病毒分析等。 10. **与高级语言的接口**：讲解如何在汇编语言程序中调用C函数，或者在C程序中嵌入汇编代码，实现两者...

AVR.rar_AVR程序实例_avr程序 makefile

这些实例有助于学习者理解和掌握 AVR 开发的实战技巧，通过实际操作加深对理论知识的理解。 5. 学习资源：学习 AVR 单片机开发，除了官方文档外，还可以参考开源社区如 GitHub 上的项目，以及在线教程和论坛，如 ...

google Android开发与实践-书本实例代码

Android开发入门与实践书本的全部实例代码，适合广大爱好Android开发的人员，另外我还有google Android 开发入门与实践 电子书，有需要的朋友可以来我这里下载，谢谢大家了。

MATLAB图像处理实例详解(书本讲解部分+代码讲解部分)

本资源是MATLAB图像处理实例详解一书的书本部分的PDF（对于每一章的讲解部分）以及书本内部的所具有的源码部分的详解。

书本源码--JavaWeb 实战开发完全学习手册

《完全学习手册：Java Web实战开发完全学习手册》共分15章，全面系统地介绍了JavaWeb相关的知识，主要包括JavaWeb开发基础、HTML与CSS网页开发基础、JavaScript基础、JSP基本语法、JSP隐式对象、JDBC技术应用、Servlet技术应用、JavaBean、标准动作与标准标签库、AJAX技术应用、Struts2技术应用、网站的安全、Log4j使用指南及Junit使用指南等内容。最后通过了简易交友系统和电子商务系统这两个案例，对前面的技术进行了综合应用。 　　《完全学习手册：Java Web实战开发完全学习手册》主要面向JavaWeb初学者，需要读者有一定的Java基础。《完全学习手册：Java Web实战开发完全学习手册》内容浅显易懂，知识点全面，既可作为广大JavaWeb爱好者自学用书，同时也是一本非常难得的实用教材。

qt学习第一章书本代码

qt 第一章 书本源代码 helloworld quit AgeEnter

机器学习样本

机器学习样本

机器学习实战课本源码.zip

机器学习实战课本源码.zip

机器学习和神经网络算法实战案例.zip

深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。 深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。 深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。 深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。深度学习，神经网络学习资源，机器学习源码及案例，经典人工智能算法。

Long Short-Term Memory Networks With Python.pdf

本书《长短期记忆网络与Python》面向的数据科学家、学生和机器学习工程师，旨在通过深入浅出的方式介绍如何使用Python实现LSTM模型来解决序列预测问题。作者Jason Brownlee在出版时已尽力确保书中的信息准确无误，但...

Learning Python(pdf+epub+mobi+code_files).zip

此外，Python在数据分析、机器学习、网络编程、自动化运维等领域都有广泛的应用。学习Python不仅可以提高你的编程技能，还能为你的职业发展开辟广阔的前景。无论你是想成为一名数据科学家、软件开发者，还是想要提升...

基于MATLAB工具箱的神经网络理论与应用

神经网络是一种模拟人脑神经元工作方式的计算模型，广泛应用于模式识别、图像处理、预测分析、机器学习等领域。MATLAB作为一款强大的数学计算软件，提供了丰富的神经网络工具箱，使得用户能够便捷地构建、训练和测试...

Java网络编程学习资料

Java网络编程是开发分布式应用程序的基础，它涉及到如何在不同的计算机之间交换数据。这份"Java网络编程学习资料...在学习过程中，你可以从书本、实战案例、在线教程等多方面获取帮助，不断巩固和提高自己的技术水平。

博客中聚类算法（K-means、FCM、DBSCAN、DPC）的数据集（免积分）

博客中K-means、FCM、DBSCAN、DPC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，以及几个人工数据集常用的人工数据集（Flame、Spiral等），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。

机器学习期末复习题及答案

机器学习期末复习题及答案

实验三 医学知识图谱构建与推理

实验目的： 1、能够掌握图数据库Neo4j运行环境的搭建，以及利用Cypher语句构建Neo4j数据库的方法。 2、能够运用知识推理方法设计医学知识图谱知识的推理方法。 3、能够编程实现医学知识图谱的查询、存储和推理。 具体内容： 1、基于文档“知识图谱构建学习案例（《伤寒论》节选）.xlsx”中的数据，仿照下列语句，构建相应的《伤寒论》知识图谱（片段），将完整的构建Neo4j数据库的Cypher语句和知识图谱截图放入下面的空白处。 2、利用Python编程实现以下3个任务，并结合实验报告二中的内容，进行知识推理得出太阳中风证的相关症状。 （1）查询得出与“治疗”关系相关的节点； （2）查询得出两个证候的治疗方剂中共有的“中药材”节点； （3）将节点“恶寒”的名称改为“怕冷”。