基于图卷积神经网络的微博疫情情感分析实战

本项目的任务为NLP中的情感分析。项目将文档进行构图，然后采用图卷积来进行文档嵌入学习，最后进行分类。项目包含数据集以及数据集预处理、建图、训练与测评的完整源码，源码注释清晰，还有相应的博客说明，对新人十分友好。

机器学习-logistic回归实战项目

本项目实现了机器学习中的典型分类算法逻辑斯蒂回归，项目包含数据生成、模型实现与可视化部分，代码注释清晰，且包含说明文档，对新人友好。

机器学习-线性判别分析实战项目

本项目实现了机器学习中线性判别分析(LDA)算法，并在真实世界数据集上进行了测试。项目包含数据预处理、模型实现和训练测评的全过程，注释清晰。

机器学习PCA降维实战项目

本项目实现了机器学习中经典的PCA降维，并在真实世界数据集上进行了实践。项目包含了数据集预处理、模型定义与降维可视化等部分，代码注释清晰。

机器学习-感知机模型实战

本项目是机器学习感知机模型的Python实战，项目包含了数据生成、模型的定义与训练。项目代码注释清晰，并包含说明文档，对新手友好。

NLP中文文本生成实战

本项目选用中文诗词作为训练集，用Seq2Seq的方式来训练模型，并基于此可以进行诗词的生成。该项目包含数据预处理、模型训练和文本生成的所有代码，并包含一份简单的说明文档，易于上手。

基于KMeans的中英文文档聚类

本项目采用K-Means算法分别对若干中文文档和英文文档进行聚类，其中K的取值为20,即最终聚簇结果为20个簇，其中文档间的距离采用的是余弦距离，K-Means算法的终止条件为所有簇的中心不再发生偏移。算法会返回中文文档和英文文档最大的三个簇所对应的文档id（id与文档名一一对应）以及每个簇距离类中心最近的5个文档。

UCI数据集上的机器学习分类算法实战

本项目为KNN、朴素贝叶斯和决策树的机器学习分类实战项目。本项目使用的数据集breast cancer, iris和wine都是来自于UCI。项目包含了数据集的预处理、划分和加载，三种经典机器学习算法的实现、训练与测评。测评采用了十折交叉验证且采用F1 Score作为测评指标。

NLP：面向中文电子病历的命名实体识别实战项目源码

本项目是在一个开源中文电子病历数据集上的命名实体识别（NER）任务的源码，其中包含了数据预处理、BERT-BiLSTM模型实现以及训练与测评的完整过程。本人有一篇博客是对其的详细说明，源码也注释详细，简单易读。

基于CNN的中文文本分类

本资源是使用Pytorch实现的基于CNN的中文文本分类源码，其中包括了数据集预处理、数据集统计分析，模型实现和训练全过程的源码。另外，代码中有详细的注释，对新人十分友好，欢迎下载学习。