qq_27184353的博客

这个是BSDS的图像及其标注，在进行分割任务时可以作为调结果的数据集

机器学习实战中文版代码 深入浅出地介绍机器学习基本算法 非常利于机器学习入门

机器学习实战英文版书籍代码 用来学习python编程的很好的书籍

整理competition提供的数据集，例如：特征过滤，数据归一化。 2. 在linear regression、logistic regression、neuron network或competition提供的算法中，挑出两个算法（必须选择一个实验课上使用的算法做实验，另外一个可以选择其他算法），在Titanic数据集上做十字交叉验证。 3.把每个数据集随机分为两份，一份做训练，另外一份做测试。使用两个算法在划分后的数据上做测试，并记录准确率。这个过程做5次，每次选择不同的训练样本比例（例如：训练样本占总样本的比例为10%， 20%， 30%， 40%， 50%， 初始比例和每次增加的比例，可以自己决定）。 4. 在报告中对数据集以及两个算法做简单描述；在Experimental Results部分介绍实验步骤，并展示实验结果。在Discussion and Conclusion部分对得到的实验结果对比分析。

机器学习实验课内容实现逻辑回归和神经网络 % 读入数据 X = load('logistic_x.txt'); Y = load('logistic_y.txt'); X = [ones(size(X, 1), 1) X]; % 计算 theta theta = log_regression(X ,Y); % 绘制图像 figure; hold on; plot(X(Y < 0, 2), X(Y 0, 2), X(Y > 0, 3), 'go', 'linewidth', 2); x1 = min(X(:,2)):.01:max(X(:,2)); x2 = -(theta(1) / theta(3)) - (theta(2) / theta(3)) * x1; plot(x1,x2, 'linewidth', 2); xlabel('x1'); ylabel('x2');

介绍web开发技术Web技术涉及的内容相当广泛，其次Web技术几乎汇集了当前信息处理的所有技术手段，以求最大限度地满足人性化的特点。由于Web正处在日新月异的高速发展之中，它所覆盖的技术领域和层次深度也在不断改变，现阶段Web的基本技术包括：HTML、DHTML、Java Applet、JavaScript与 VBScript、CGI、PHP、JSP、ASP/ASP.NET、 XML、ADO/ADO.NET和Web Services等。