本设计基于决策树算法从多角度对某学校网上平台的学生行为数据进行分析，将根据学生的综合成绩将学生划分为三类：优秀（80分 – 100分）、良好（60分 – 79）、差（0分 – 59分）。这些数据包括到课率、预习率、习题正确率、综合成绩，数据量达千余条。通过已有数据建立决策树模型，供该平台未来的使用者进行预测，起到教学预警的作用。
2023-03-19 04:19:44
456KB
三个模块
手把手教你如何掌握「自动化测试平台」
模块一：Python语言的基础知识
Python是学习自动化测试平台的前提，掌握这一部分，基本上掌握了自动化测试平台所需要的开发语言系统知识。
模块二： 自动化测试平台的开发
包括自动化测试平台逐个技术点的实战解析，原理，架构，思路，代码进行一一讲解，autotestplat1.0版本，autotestplat2.0版本功能的开发。
模块三： 企业项目级应用与实践
自动化测试现在是每个测试工程师的必备技能，而仅仅掌握技术还不够，得结合企业项目才有业绩，那么这一部分讲的是自动化测试平台如何结合项目带来效益价值。
2023-03-18 19:45:17
14.68MB
1
毕业设计 - 机器学习识别图片验证码
通过简单的图像识别算法来完成验证码识别，打算把机器学习中的分类算法全部使用一遍。
使用方法
爬取验证码
对图像做处理并切分
手工标注数据
导入训练集
使用测试集
图像处理
静态图片
清除图片噪点
清除图片干扰线
切割图片
信息输出
动态图片
按帧转存 GIF
读取每个 GIF 的 Duration 属性
找到 Duration 最长的图片，后同静态图片处理
识别算法
SVM
根据算法的性质，可以问题设定成一个二分类问题：识别数字1和2（当然也可以是其他的任意两个数字)。
2023-03-18 15:41:35
2.86MB
1
基于不平衡数据的Python_Health-Insurance-交叉销售预测
在该项目中，我们将现代机器学习技术应用于保险单持有人的数据，以分析和预测其行为。 使用Python语言，我们对数据的处理方法产生了令人兴奋的见解，可以帮助保险公司进行业务建模。
2023-03-17 18:20:03
6.05MB
1
健康保险交叉销售 EDA 和机器学习建模
这是一本关于健康保险客户交叉销售车辆保险产品并使用机器学习预测客户是否对车辆保险感兴趣的探索性数据分析笔记本
背景资料：
向客户提供健康保险的保险公司，通常他们通过不同类型的营销渠道向客户提供其他保险产品。在这种情况下，我们将建立一个模型来预测过去一年的保单持有人（客户）是否也会对公司提供的车辆保险感兴趣。
问题陈述：
未优化客户联系流程，许多保险工作者花费大量时间与潜在客户会面，却不知道该客户购买保险产品的可能性
业务目标：
建立一个模型来预测客户是否会对车辆保险感兴趣，这对公司非常有帮助，因为它可以相应地规划其沟通策略以接触这些客户并优化其业务模型和收入
业务问题：
车龄如何决定车险广告反应
如何吸引不同世代的顾客
使健康保险客户对车辆保险不感兴趣的主要因素是什么
这个交叉销售案例的最佳机器学习建模是什么
工作流程：
数据清洗
重新分类数据
分级
探索性数据分析以回答业务问题
机器学习过程的特征工程和选择
编码所有分类特征
检查因变量和独立变量之间的相关性
特征选择
建筑模型 ：
将数据拆分为训练和测试
由于数据不平衡，将SMOT
2023-03-17 12:19:45
4.93MB
1
European Parliament Proceedings Parallel Corpus 1996-2011 数据集是一个用于统计 机器翻译 的语料库，其中 Europarl 平行语料库来源于欧洲议会的程序，它包括 21 种欧洲语言版本：
罗马语（法语，意大利语，西班牙语，葡萄牙语，罗马尼亚语）
日耳曼语（英语，荷兰语，德语，丹麦语，瑞典语）
Slavik（保加利亚语，捷克语，波兰语，斯洛伐克语，斯洛文尼亚语）
Finni-Ugric（芬兰语，匈牙利语，爱沙尼亚语）
波罗的海语（拉脱维亚语，立陶宛语）
希腊语
European Parliament Proceedings Parallel Corpus 1996-2011 数据集最初由苏格兰爱丁堡大学信息学院于 2005 年发布，主要发布人为 Philipp Koehn。
该数据集于 2012 年发布第 7 版，相关论文有《Europarl: A Parallel Corpus for Statistical Machine Translation》
2023-03-16 22:52:05
39KB
1
MapReduce-机器学习
一些机器学习算法的 Map-Reduce 实现
2023-03-16 12:37:40
36KB
1
如果要推荐《机器学习》的学习课程，那必然首选吴恩达的《机器学习》课程，无论是国内还是国外，这是最火的机器学习入门课程，没有之一。吴恩达老师用易于理解、逻辑清晰的语言对机器学习算法进行介绍，无数新手正是通过这门课程了解了机器学习。
吴恩达老师的《机器学习》课程主要有两门，一门是Cousera上的课程，另一门是斯坦福大学的课程CS229: Machine Learning。这两门课程各有侧重点：
1、Cousera Machine Learning课程
这门课最大的特点，是它侧重于概念理解而不是数学。数学推导过程基本被略过，重点放在让初学者理解这背后的思路。另外，它还十分重视联系实际和经验总结：课程中吴恩达老师列举了许多算法实际应用的例子；他提到当年他们入门 AI 时面临的许多问题，以及处理这些难题的经验。
吴恩达教授在Coursera上的课程基本上完全没有触及到高深的数学知识（几乎不用具备太多数学知识），吴老师解释道：“这门课没有使用过多数学的原因就是考虑到其受众广泛，因此用直觉式的解释大家有信心继续坚持学习”。
这门课程内容丰富，可在Cousera网站上在线观看（需要注册，可申请免费观看）
2023-03-16 11:24:16
4.64MB
1
从网上收集的质量高的SVM资料合集，并且根据自己的学习经验给出大量注释，同时通过txt文件给出学习路线（阅读各文档的先后顺序）以及各文档的依附关系。使得读者快速入门
2023-03-16 09:49:44
11.39MB
1