二维React扩散方程式基于Lengyel-Epstein模型的模式机器学习（20200115〜20200730） 在科学计算实验室中，这是我的第一个机器学习项目。 我们的目的是针对使用机器学习和特征工程技术从图灵模型生成的图案图像进行分类的见解。 我们的见识适用于使用NN和聚类方法（例如k均值和凝聚）从PDE生成的图像数据。 哦，SEOYOUNG和。 “通过特征工程提取模式指导的分类思路。” | ， 数据集 Lengyel–Epstein（LE）模型开发用于描述CIMA化学React MATLAB创建的Lengyel-Epstein模型中的模式| 我们选择不同的模式进行分类 流程-演示 1 。 用于色素沉着的化学预图案和React扩散模型| ：使用MATLAB在1D中生成Lengyel-Epstein方程 2 。 用MATLAB创建基于Lengyel-Epstein模型的图案图像（2D）| The。 ：通过神经网络对3种不同的模式进行分类 3 。 梯度下降| 4 。 具有Softmax的单层神经网络| 5 。 CNN（卷积神经网络）| ：CNN的性能非常好，但是我想提高单层神经网络的

Probability is the bedrock of machine learning. You cannot develop a deep understanding and application of machine learning without it. Cut through the equations, Greek letters, and confusion, and discover the topics in probability that you need to know. Using clear explanations, standard Python libraries, and step-by-step tutorial lessons, you will discover the importance of probability to machine learning, Bayesian probability, entropy, density estimation, maximum likelihood, and much more.

这是VS内部用来建立和训练神经网络模型的一个UI插件。使用VisualStudio的扩展安装是可以自动安装的，但是下载进度条几乎不动。所以用离线下载后手动安装的方式。把安装包上传到这里，安装需要先关闭VisualStudio。

matlab大眼代码机器学习-IRC-freenode Freenode 上##machinelearning和##ml-ot IRC 频道的社区存储库 此资源的想法： IRC ML 社区正在成长——让我们把它变成一个非常好的 ML 资源。 我们可以一起从不同的角度将其微调。 我推荐有机增长——不要过早过度结构化。 话虽如此，这些想法中的每一个都可能需要自己的文件夹 + README.md。 GitHub 允许相对链接，因此应该可以保持一切整洁并构建可重用的结构。 在此处展开​​频道主题 阅读群（已经开始）。 一个想法可能是每个演讲都有自己的文件夹，可能包含源代码 + 日志记录 + {README.md 链接到 arXiv 论文和以上}。 入门而不是一些无用的大链接列表，也许我们可以提供一条路径来真正获得第一口的bobapple。 自我介绍我们中的许多人在某处都有一个主页，很高兴看到人们在做什么。 详述当代机器学习树/网的鸟瞰图等等。 还链接到具有里程碑意义的论文和相关博客文章、视频、GitHub 存储库等。 各种技术的 Wiki 式细分，例如 VAE 不幸的是，GitHub 没有呈现

zipped DMG file for Octave

jupyter的python代码，适合初学者以及有一定基础的学者

压缩包内含吴恩达老师《Machine Learning》课程第七周的编程作业ex6所需完成的四个m文件，解压放进课程作业原始压缩包中即可。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。

压缩包内含吴恩达老师《Machine Learning》课程第六周的编程作业ex5所需完成的四个m文件，解压放进课程作业原始压缩包中即可。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。

压缩包内含吴恩达老师《Machine Learning》课程第五周的编程作业ex4所需完成的三个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。

使用卫生保健数据预测抑郁 作者：Vivienne DiFrancesco 可以在找到用于探索该项目中使用的数据的配套仪表板 该存储库的内容是对使用机器学习模型来预测使用医疗保健数据的人的抑郁症的分析。 希望可以使这项工作易于访问和复制，因此对这种分析进行了详细说明。 储存库结构 README.md：此项目审阅者的顶级自述文件 first_notebook.ipynb：从数据清理阶段开始在jupyter笔记本中进行分析的叙述性文档 second_notebook.ipynb：在项目的探索阶段清理数据之后开始的叙述性文档的延续 PredictingDepressionSlides.pdf：项目演示幻灯片的PDF版本 project_functions文件夹：包含编写用于first_notebook和second_notebook的自定义函数 仪表板文件夹：包含用于创建此项目的配套仪表板的文件