机器学习实践课程-2013年和2014年的实际案例

机器学习在实际应用中的案例分析第四章排序：智能收件箱的代码及原文代码修正

我制作的MATLAB演示回顾了光谱聚类，这是在2014年NU机器学习会议上展示的。

本案例数据集聚焦于机器学习中的特征工程，特别是数据离散化过程。通过将连续数值型数据转化为离散的类别，如年龄、消费频率等，不仅降低了数据复杂性，还提升了模型的性能和准确性。离散化方法包括等宽分箱、等频分箱和基于规则的分箱，如四分位数等，这些技术在处理会员数据时尤为重要。还介绍了如何利用离散化技术优化特征，以提高机器学习模型在用户分类和推荐系统中的应用效果。

吴恩达机器学习编程作业（MATLAB实现） 林轩田机器学习基石课程编程作业（MATLAB实现） 吴恩达机器学习编程作业： 作业一Q15-17 作业一Q18-20 作业二Q16-18 作业二Q19-20 林轩田机器学习基石课程编程作业： 作业三Q7-10 作业三Q13-15 作业三Q18-20 作业四Q13-20

机器学习系统设计是考察一个人设计系统能力的重要题型，特别是在算法手撕后的高级职位面试中常见。在国外和国内，如算法工程师、数据挖掘工程师、机器学习工程师和深度学习工程师等领域，机器学习系统设计经验至关重要。Chiphuyen在github.com总结了一份详细的机器学习设计资料，以此为基础，结合作者的实际经验进行本地化整理。内容主要分为三部分：机器学习系统设计的核心概念摘录、实际案例分析以及27道系统设计题目的练习。详细内容和答案解析可在作者的公众号“谷粒说数”和GitHub上找到。

2013年统计用区划代码和城乡划分代码，已转换为Access数据库格式，可直接使用。数据包含741,784条记录，解压后文件大小超过60MB。

《2020年机器学习与数据挖掘的最新进展》是一份详尽的报告，涵盖了从深度学习和强化学习到联邦学习的最新研究成果。报告指出，深度神经网络和卷积神经网络在图像识别和自然语言处理中取得了显著进展，同时强化学习在游戏AI和机器人控制领域表现突出。此外，隐私保护数据挖掘技术如差分隐私和同态加密也得到了广泛应用。本报告对理解2020年AI领域的最新动态具有重要意义。

提供机器学习课程作业，包含相关示例代码，支持Octave和MATLAB环境。

我开始实施ReGTries代码。我使用各种脚本处理数据。早期参与脑网络数据分析和Gtries算法的文件结果包括在内。在ADHD_200分析部分中，threshold_csv文件包含了我在统计分析中使用的数据，还有SPSS文件。在Gts_perf_analysis文件夹中，我有我本学期早期使用的关于脑网络数据的Gtriescanner程序的输出。这些输出记录在相应的电子表格中。数据集文件夹包含对大小为3、4、5和6的模体进行的分析处理。线虫神经元网络文件需要我使用Octave将其处理为边缘列表。论文部分包括我的最终论文及其LaTeX源文件。杂项文件夹包含了我在数据处理中使用的各种文件以及本学期中