压缩包内含吴恩达老师《Machine Learning》课程第二周的编程作业ex1所需完成的四个m文件以及可选择完成的四个m文件。压缩包中所有编程作业均为本人独立完成，并尽量使用向量化计算，全部满分通过。

wine_reviewer：使用机器学习基于二值化的品尝笔记来预测葡萄酒评论分数

MachineLearning_Project 通过操纵神经网络的各种参数，已经开发出用于人类活动识别的CNN体​​系结构。 培训和测试在公共数据集MHEALTH上进行，用于将人类活动分为与各种活动相对应的12类。 通过由2个卷积，2个最大池和2个线性层组成的体系结构，我们实现了96％的精度和90.52％的F1得分，优于在同一数据集上训练的几个最新模型。

With the ever increasing amounts of data in electronic form, the need for automated methods for data analysis continues to grow. The goal of machine learning is to develop methods that can automatically detect patterns in data, and then to use the uncovered patterns to predict future data or other outcomes of interest. Machine learning is thus closely related to the fields of statistics and data mining, but differs slightly in terms of its emphasis and terminology. This book provides a detailed introduction to the field, and includes worked examples drawn from application domains such as molecular biology, text processing, computer vision, and robotics.

Machine Learning Design Patterns

代码用于猫-非猫图片的二分类问题（附件内给出h5py格式的数据集），基于Pytorch神经网络工具包，采用比较经典的逻辑回归（Logistic Regression）算法。

matlab做T SNE的详细代码微笑 Smile（统计机器智能和学习引擎）是Java和Scala中快速而全面的机器学习，NLP，线性代数，图形，插值和可视化系统。 凭借先进的数据结构和算法，Smile可提供最先进的性能。 Smile涵盖了机器学习的各个方面，包括分类，回归，聚类，关联规则挖掘，特征选择，流形学习，多维缩放，遗传算法，缺失值插补，有效的最近邻搜索等。 Smile有充分的文献记录，请查阅的编程指南和更多信息。 通过将以下内容添加到项目pom.xml文件中，可以通过Maven中央存储库使用这些库。 com.github.haifengl smile-core 1.4.0 对于NLP，请使用artifactIdId smile-nlp。 对于Scala API，请使用 libraryDependencies += "com.github.haifengl" %% "smile-scala" % "1

小组作业kaggle竞赛项目python文件

report

会话数据集 用于对话响应选择的大型数据集的集合。 该存储库提供了用于创建可重现的数据集的工具，用于训练和评估会话响应模型。 这包括： -37亿条基于话题对话的评论 电影和电视字幕超过4亿行（提供英语和其他语言） -亚马逊产品中超过360万个问题-答案对 机器学习方法最适合诸如此类的大型数据集。 在PolyAI，我们在庞大的对话数据集上训练对话响应模型，然后将这些模型适应对话AI中特定领域的任务。 在庞大的数据集上对大型模型进行预训练的一般方法在图像社区中早已流行，现在在NLP社区中正在兴起。 除了提供原始处理的数据外，我们还提供脚本和说明来自行生成数据。 这使您可以查看并可能操纵预处