1 图像基本操作 在我的仓库中，有相关的代码操作。仓库：https://github.com/Guoxn1/ai。 我也是从bilibili学了一点，关于cv2的操作。链接：https://www.bilibili.com/video/BV1PV411774y/。 2 银行卡号识别简介 image-20231016161723638 数据如上，其中有5个银行卡照片，和一个标准

1 简介 1.1 背景简介 大学排名的问题具有显著的重要性，同时也充满了挑战和争议。一所大学的全方位能力包括科研、师资和学生等多个因素。在本项目中，我们将依据CWUR提供的全球知名大学的各项排名（包括师资和科研等）来进行工作。一方面，我们将通过数据可视化来探究各个大学的独特性。另一方面，我们希望利用机器学习模型（例如线性回归）来预测大学的综合得分。 源地址：https://gitlab.di

1 简介 这次需要面对的会议数据和之前“sklearn基于降维聚类可视化”那一篇的原理几乎一样，但是数据格式略有不同。 原出处：https://gitlab.diantouedu.cn/QY/test1/tree/master/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E7%B3%BB%E7%BB%9F%E5%AE%9E%E6%88%98%E7%AC%AC%E4

1 SVM基本原理 1.1 svm简介 支持向量机是在深度学习流行起来之前效果最好的模型，据说流行的时候是05年左右。 基本原理是二分类线性分类器，但现在也可以解决多分类问题，非线性问题和回归问题。 说实话感觉在学完其它主流分类之后比如决策树、贝叶斯，再来学习svm会好一点。因为确实数学理论相对来说比较复杂。我这里也打算做一个简单的介绍，推理啥的就不搞了，主要说一些结论。 svm的全称是

1 简介 我们对数据进行分析前，比如对数据进行分类、聚类之前，为了避免后续处理过程中维度爆炸，也为了过滤一些噪声数据，可视化数据，对数据进行适当降维是有必要的。常见的降维算法有：pca和t-sne，前者适用于线性多维度，后者适用于非线性的多维度。而且大多数情况来看，如果维度越高，线性程度越不明显，所以维度高的情况下还是用t-sne效果会好。 数据集和代码原出处：https://gitlab.d

1. 简介 这次主要是对数据进行分析，主要是预处理阶段，会用到pandas,matplotlib等库。 所用的数据集是爱尔兰杀菌剂。出处：https://gitlab.diantouedu.cn/QY/test1。 除了本就有的内容，还有一些自己的思考和代码的更改、补充。 数据集和完整代码我放在这里，在我的仓库中也可以找到。链接：https://github.com/Guoxn1/ai。