AiLearning：数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2

🔥 经典编程书籍大全，涵盖：计算机系统与网络、系统架构、算法与数据结构、前端开发、后端开发、移动开发、数据库、测试、项目与团队、程序员职业修炼、求职面试等

⚡机器学习实战（Python3）：kNN、决策树、贝叶斯、逻辑回归、SVM、线性回归、树回归

WebGL Three.js Cesium.js Examples And Demo - WebGL 的 Three.js 和 Cesium.js 案例 --- Star ---点星星

机器学习算法项目

通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。实现算法有KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯

XGBoost + Optuna

An extension of XGBoost to probabilistic modelling

a python code of applying GBDT+LR for CTR prediction

Code for our Spatiotemporal Dynamic Network

包括决策树和随机森林进行离职人员预测，Xgboost和lightGBM的应用

TextClf ：基于Pytorch/Sklearn的文本分类框架，包括逻辑回归、SVM、TextCNN、TextRNN、TextRCNN、DRNN、DPCNN、Bert等多种模型，通过简单配置即可完成数据处理、模型训练、测试等过程。

Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测，注释拉满。

利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等

使用多种算法（线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vector machine, BP neural network, GRU, LSTM) are used for power …

涉及机器学习中深度学习、强化学习、监督学习、集成学习相关的pdf书籍及其个人的阅读笔记

机器学习集成模型之Stacking各类模型及工具源码

最近在学习机器学习，深度学习，自然语言处理，统计学习方法等知识，所以决定自己将学习的相关算法用Python实现一遍，并结合GitHub上相关大牛的代码进行改进，本项目会不断的更新相关算法，欢迎star，fork和关注。 主要包括： 1.吴恩达Andrew Ng老师的机器学习课程个人笔记 Python实现， 2.deeplearning.ai（吴恩达老师的深度学习课程笔记及资源） Python…

机器学习预测系统汇总：包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测

集成学习Stacking方法详解

机器学习预测模型，分别用逻辑回归，决策树，随机森林，神经网络，XGBOOST和支持向量机算法建模，交叉验证，并选出AUC最优的模型。特征工程优化后，AUC值达到0.8259

使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析

数据特征工程、各种机器学习回归模型、回归数据预处理

Comparison of XGBoost, LightGBM and CatBoost on MNIST classification problem

2021年研究生数学建模竞赛B题，全国二等奖，空气质量预报二次建模，时间序列数据分析与回归预测。Time Series Prediction&Air Quality Prediction.

智慧物流算法大赛简介： 根据包括货值、路程和油价等字段的数据集，对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码，分为四个主要的部分：1.数据预处理；2.特征工程；3.建模调参训练；4.数据可视化。 最终获得了大赛的二等奖。

利用python对3000个数据利用机器学习算法建立模型，并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术；通过相关性分析进行特征选择；建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型，并通过网格搜索法确定最优参数；利用准确率、KS值、ROC曲线、AUC值以及lift曲线进行模型评估。

基于pytorch框架，针对文本分类的机器学习项目，集成多种算法(xgboost, lstm, bert, mezha等等)，提供基础数据集，开箱即用，方便自己二次拓展，持续更新

汇总并分享一些适用于本科生(大一~大四)+硕士/直博一年级的同学想要开始学习深度学习进行【比赛 (数学建模、数据挖掘竞赛、AI类竞赛等等) + 发论文+ 起步科研】的资料/资源总结