kuhung / flask_vue_ML
后端+前端+算法模型，机器学习项目 demo。Flask + vue + ML, full stack machine learning project construction.
☆106Updated last year
Related projects: ⓘ
- 机器学习、深度学习、NLP实战项目☆133Updated 6 years ago
- 基于flask将一个评论分类模型嵌入到web系统中☆29Updated 4 years ago
- 2017京东信贷金额预测竞赛，上传的代码有竞赛的原始代码和赛后结合其他选手的思路整理的重构代码。☆45Updated 6 years ago
- 此项目是《剑指offer》第二版里算法面试题的Python3实现版本，作为一本经典书籍，可以时常拿出来看一看、翻一翻、记一记。同时也是为了Python程序员能够更好的通过公司的技术面试，拿到心仪的offer。☆121Updated 3 years ago
- 用python实现SVM/AdaBoost/C4.5/CART/Naïve Bayes等数据挖掘领域十大经典算法☆77Updated 6 years ago
- 利用flask进行echarts/pyecharts，Web程序开发，机器学习模型部署☆28Updated last year
- 天池大数据比赛总结☆39Updated 6 years ago
- 毕业设计-主动学习推荐系统的实现☆31Updated last month
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 6 years ago
- 文本聚类 k-means算法及实战☆54Updated 5 years ago
- 2017“达观杯”个性化推荐算法挑战赛-rank6☆43Updated 5 years ago
- 2018科大讯飞营销算法大赛（冠军方案）☆92Updated 5 years ago
- 使用sklearn做特征工程☆165Updated 6 years ago
- ☆66Updated this week
- 人工智能工程师直通车第三期 实战项目:广告点击率预测（CTR）。预测用户浏览给定网页的广告点击率，提高广告投放精准度。☆22Updated 6 years ago
- 用python实现机器学习各种经典算法☆39Updated last year
- 2020年第八届泰迪杯数据挖掘C题“智慧政务文本挖掘”特等奖作品（论文与代码）☆60Updated 3 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆202Updated 5 years ago
- 记录我学习数据挖掘过程的笔记和见到的奇技☆119Updated 5 years ago
- 朴素贝叶斯实现的文本分类（新闻分类）☆63Updated 8 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- ☆45Updated 4 years ago
- 2018科大讯飞AI营销算法大赛模型方案☆22Updated 5 years ago
- flask+seq2seq【TensorFlow1.0, Pytorch】 在线聊天机器人 https://mp.weixin.qq.com/s/VpiAmVSTin3ALA8MnzhCJA 或 https://ask.hellobi.com/blog/python_s…☆68Updated last year
- 2019数字中国创新大赛 混凝土泵车砼活塞故障预警 亚军☆20Updated 5 years ago
- Python数据分析与挖掘实战书中的实例学习☆28Updated 7 years ago
- 用户画像练手,,,,☆80Updated 7 years ago
- 基于真实业务上手数据挖掘（银行流失预警）:数据的处理、LightGBM、skLearning包(里面含有：GridSearchCV寻找最优参、StratifiedKFold分层5折切分、_test_Split单次数据切分等)、叠层模型融合、画AUC图、画混淆矩阵图，并输出预…☆85Updated 2 years ago
- 基于 Scrapy 的新闻智能分类微信小程序，是一个文本分类相关的应用，目的是打造出一个可以对新闻进行智能分类的微信小程序。技术栈：Python + Scrapy + MongoDB + scikit-learn + Flask + 微信小程序，涉及爬虫、文本分类、Web …☆55Updated 5 years ago
- 智慧物流算法大赛简介： 根据包括货值、路程和油价等字段的数据集，对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码，分为四个主要的部分：1.数据预处理；2.特征工程；3.建模调参训练；4.数据可视化。 最终获得了大赛的二等奖。☆34Updated 5 years ago