注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 从零开始学习SVM

  2. 这是我最新整理的SVM文档, latex排版非常清晰, 为的是让和我一样的人, 能够真正从零开始, 学习了解SVM的原理. 文章中还附有python源码, 花了1个月时间整理而来, 绝对首发!

  3. 所属分类：机器学习

    • 发布日期：2018-02-24
    • 文件大小：1048576
    • 提供者：xiaqian369

  1. 从零开始学Python数据分析与挖掘

  2. 含有机器学习的ppt文档和源码教程，含有python快速入门、numpy和pandas模块的使用以及机器学习的相关模型，包含线性回归、决策树、knn、svm、贝叶斯、聚类等。

  3. 所属分类：机器学习

    • 发布日期：2020-08-05
    • 文件大小：111149056
    • 提供者：MIge_

  1. projects:机器学习项目-源码

  2. 机器学习项目 我的机器学习项目包括： -从零开始进行Logistic回归以对手写数字1和数字5进行分类-通过使用libsvm库提供给定数据的SVM -具有线性回归的汽车的销售价格预测-PCA从头开始，k-均值从头开始-通过使用不同的模型进行多类分类-通过使用不同的模型来确定期限存款Scrath的高斯混合期望最大化算法随机梯度下降从零开始的逻辑回归-使用textgenrnn库生成文本Xgboost和Catboost的欺诈检测

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：3145728
    • 提供者：weixin_42104906

  1. 从零开始学习SVM

  2. 本文来源于csdn，从最简单的视角分享机器学习的过程，从零开始一点一滴学习SVM算法。SVM是最经典的分类算法之一，笔者觉得难度却是机器学习算法中最难的，对于没有数学基础的同学来说更是一头雾水。笔者作为一个初入机器学习的小白，希望能从最简单的视角分享我的学习过程，从零开始一点一滴学习SVM算法。它是一种二分类模型，解决是非的问题。以对图像猫狗分类为例：1.下载CIFAR数据集，数据集中有10类，我只取两类：猫、狗2.获取猫狗混合的训练样本集，D={(x1,y1),(x2,y2),?,(xn,yn

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：145408
    • 提供者：weixin_38640674

  1. 从零开始学习SVM

  2. 本文来源于csdn，从最简单的视角分享机器学习的过程，从零开始一点一滴学习SVM算法。SVM是最经典的分类算法之一，笔者觉得难度却是机器学习算法中最难的，对于没有数学基础的同学来说更是一头雾水。笔者作为一个初入机器学习的小白，希望能从最简单的视角分享我的学习过程，从零开始一点一滴学习SVM算法。它是一种二分类模型，解决是非的问题。 以对图像猫狗分类为例：1.下载CIFAR数据集，数据集中有10类，我只取两类：猫、狗2.获取猫狗混合的训练样本集，D={(x1,y1),(x2,y2),?,(xn,y

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：145408
    • 提供者：weixin_38663415

  1. Machine-Learning-Projects:我为学习ML-DL概念所做的简单的基于应用程序的项目列表-源码

  2. 机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用skl

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：10485760
    • 提供者：weixin_42101056

  1. ml-basics:自学各种ML方法原理并在此处发布我的进度-源码

  2. ML-基本 很多事情仍在进行中，大多数事情都不是最终的 抱歉，此仓库很乱，但是一旦获得ML的支持，我就计划清理它：） 我正在自学各种机器学习技术，并计划从头开始构建一切。 我还计划将所有与之相关的数学包括在内。 逻辑回归待办事项 添加成本函数 已知问题 Jupyter Notebook方程不适用于感知器算法 计划添加 回归“东西” 支持向量机（SVM）和核心方法 朴素贝叶斯 支持向量机“ FROM SCRATCH” 高斯核支持向量机的CVXOPT优化。 用于MNIST分类的SVM（从零

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：1048576
    • 提供者：weixin_42148975