# machinelearn

**Repository Path**: coder_jk/machinelearn

## Basic Information

- **Project Name**: machinelearn
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-12-18
- **Last Updated**: 2024-12-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 本项目主要是机器学习的算法
## 一、目录结构

1. 项目目录结构：

   ```
   └─machinelearn
       ├─docs:								# 文档模块，包含数据集，训练好的模型文件
       └─machinelearn						# 源代码			
           ├─application_scene				# 应用场景模块
           │  ├─face_recognition
           │  ├─fault_diagnosis
           │  │  ├─2020-7-15
           │  │  │  └─2020-7-15
           │  │  │      ├─feature
           │  │  │      └─model
           │  │  ├─attention_learn
           │  │  ├─data
           │  │  ├─know_graph
           │  │  ├─model
           │  │  └─nlp_method
           │  ├─handwriting_recognition
           │  ├─multimodel
           │  ├─pedestrian_detection
           │  │  ├─pedestrian_classifier
           │  │  └─pedestrian_dataset_process
           │  │      ├─caltech_dataset_pro
           │  │      │  └─to_voc
           │  │      ├─data_pro_util
           │  │      └─kaist_dataset_pro
           │  │          ├─filter_dataset
           │  │          └─to_voc
           │  ├─stock_pred
           │  ├─vehicle_plate_recognition
           │  ├─voc_process
           │  └─wheel_detection
           ├─basic
           ├─bayes
           ├─cluster_analysis
           │  ├─cluster_performance
           │  ├─density_clustering
           │  ├─grid_clustering
           │  ├─hierarchical_clustering
           │  └─partition_clustering
           ├─cv_learn
           │  ├─object_detection
           │  └─visualization
           │      └─fm_visual
           ├─data_preprocess
           │  └─fitler_module
           ├─keras_learn
           │  ├─backbone_network
           │  │  ├─faster_rcnn_iml
           │  │  ├─resnet_iml
           │  │  └─vgg_iml
           │  ├─data_augmentation
           │  ├─dog_cat_classify
           │  ├─feature_extraction
           │  │  └─VGG16_module
           │  ├─mnist_learn
           │  ├─overfitting
           │  └─trick
           │      └─non_local
           ├─label_learn
           ├─lightgbm_learn
           ├─neural_network
           ├─opencv_learn
           │  └─take_frame
           ├─performance_evaluation
           ├─pytorch_learn
           │  ├─dataset_learn
           │  ├─net_learn
           │  │  ├─data_learn
           │  │  ├─img_classifier
           │  │  └─tensorboard_learn
           │  └─syntax_leran
           ├─rabbitmq
           ├─RNN_module
           ├─scikit_learn
           │  ├─classification
           │  │  └─model
           │  ├─cluster
           │  └─supervised_learning
           ├─seaborn_learn
           ├─tensorflow_learn
           ├─test
           ├─utils
           │  ├─ipc_util
           │  ├─scrapy_util
           │  ├─tcp
           └─
   ```

   

+ docs：文档模块，包含数据集，训练好的模型文件
    + dataset：数据集
    + model：训练好的模型文件
    
+ machinelearn：源代码
    + application_scene：应用场景模块
    + basic：基础模块
    + data_preprocess：数据预处理
        + pca_demo.py：主成分分析（降维）
    + bayes：贝叶斯
        + naive_bayes.py：朴素贝叶斯分类器
    + cluster_analysis：聚类模块
        + density_clustering：密度聚类
        + grid_clustering：网格聚类
        + hierarchical_clustering：层次聚类
        + partition_clustering：划分聚类
    + neural_network：神经网络算法
    + keras_learn：Keras框架学习模块
    + opencv_learn：opencv框架学习模块
    + scikit_learn：sklearn框架学习模块
    + tensorflow_learn：TensorFlow框架学习
    + utils：工具模块
        + loaddata_utils.py：加载数据集工具
        + pca_utils.py：pca降维工具
        + plt_utils.py：matplotlib绘图工具
        + scaler_utils.py：数据标准化/归一化工具
## 二、环境搭建
1. tensorflow-gpu

| tensorflow | keras | python |
|-|-|-|
| 1.14.0| 2.2.5| 3.6|