机器学习资源

640前言640

关于入门机器学习,我也搜了不少的资料,在这里给大家分享一下我搜到认为不错的资源,也是绝大多数人推荐以这些资源入门机器学习的


具体的路线大家也不妨通过知乎搜索一下~

640视频资源以笔记640

吴恩达机器学习(有中文字幕):https://study.163.com/course/courseMain.htm?courseId=1004570029


吴恩达机器学习对应的笔记:http://www.ai-start.com/

--------------------------

李宏毅机器学习(2017):https://www.bilibili.com/video/av10590361/


李宏毅机器学习对应的PPT以及资料:http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html


李宏毅机器学习对应的笔记:https://blueschang.github.io/2018/10/29/%E6%9D%8E%E5%AE%8F%E6%AF%85%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E7%AC%94%E8%AE%B0%E4%BC%A0%E9%80%81%E9%97%A8/

--------------------------


其他平台:

  1. bilibili

  2. 慕课网


640电子书


640

周志华的西瓜书《机器学习》:

链接:https://pan.baidu.com/s/1x-xK_h1piS9VHAl84vwheg 

提取码:rp91 



乐于分享和输出干货的Java技术公众号:Java3y。关注即可领取海量的视频资源!

640
帅的人都关注了

文章的目录导航

  • https://github.com/ZhongFuCheng3y/3y


【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值