您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Linear-Regression-源码

  2. 线性回归:使用监督的ML(级别-初学者)进行预测 使用Python Scikit学习线性回归 在本节中,我们将了解如何将用于机器学习的Python Scikit-Learn库用于实现回归函数。我们将从涉及两个变量的简单线性回归开始。 使用Python Scikit学习线性回归 在本节中,我们将了解如何将用于机器学习的Python Scikit-Learn库用于实现回归函数。我们将从涉及两个变量的简单线性回归开始。 问题陈述 在此回归任务中,我们将根据学生学习的小时数来预测学生预期得分的百分比。这
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:13312
    • 提供者:weixin_42110362
  1. DataScience-BusinessAnalyticsTask:这些任务是Sparks Foundation的GRIP计划的一部分-源码

  2. DataScience-BusinessAnalyticsTask 这些任务是Sparks Foundation的GRIP程序的一部分。 任务1:使用监督型ML进行预测 级别:初学者 根据编号预测学生的百分比学习时间。 ●这是一个简单的线性回归任务,因为它仅涉及2个变量。 ●您可以使用R,Python,SAS Enterprise Miner或任何其他工具 ●可以在上找到数据 ●如果学生每天学习9.25小时,则预计得分是多少? ●示例解决方案: : ●任务提交: 将代码托管在GitH
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:915456
    • 提供者:weixin_42161497
  1. The-Sparks-Foundation-Tasks-源码

  2. Sparks基金会的任务 该存储库包含我作为实习生时完成的任务 实习类别-数据科学和业务分析 实习期限-1个月(2021年3月) 实习类型-在家工作 在这次实习中,我需要在给定的时间范围内完成6个任务中的至少一项。 #Task-1:使用监督型ML进行预测 根据学习时间预测学生的分数百分比。 这是一个简单的线性回归任务,因为它仅涉及2个变量。 数据可在找到 您可以使用R,Python,SAS Enterprise Miner或任何其他工具。 如果学生每天学习9.25小时,预计得分是多少?
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:21504
    • 提供者:weixin_42127369
  1. Data_Scientist_GRIP_Sparks-源码

  2. Data_Scientist_GRIP_Sparks 火花基金会实习计划 研究生旋转实习计划(GRIP) Sparks基金会向数据科学和业务分析领域的学生提供实习计划。 LinkedIn个人资料改善任务: 在此任务中,我们通过添加与域相关的封面照片(令人讨厌的个人资料照片)来改善我们的LinkedIn个人资料,并且必须向Sparks Foundation LinkedIn组的大多数成员发送连接请求。 任务1-使用监督的ML进行预测 ●根据编号预测学生的百分比。 学习时间。 ●这是一个简单的
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:21504
    • 提供者:weixin_42116681
  1. 实习-源码

  2. 实习 SPARKS基金会任务1-使用监督ML进行预测:根据学生学习的小时数来预测学生的分数百分比 数据科学和业务分析任务1(根据学习时间数预测学生的百分比) 使用简单的线性回归模型,可以根据每天学习的小时数预测学生的成绩。 使用的工具-Python(Visual Studio代码)
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:2048
    • 提供者:weixin_42106765
  1. 简单快速线性回归:(Python)我编写了这段代码,这是一种通过数据点绘制最合适的线的方法。 找到最佳拟合线的方法可能不如通常的方法好,但是我认为它使用的是一种易于学习和理解的简单算法。 教学时可以使用此python线性回归代码,因为与典型

  2. 一条Python代码,可为散点图提供最合适的一行。 与典型的散点图算法相比,这可能会提供更差的拟合度,但我相信与其他算法相比,它很容易理解。 另外,它可能更快,但我不知道。 了解更多信息后,我将更新此文件。
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:1024
    • 提供者:weixin_42107561
  1. Scikit-Learn:使用Python进行预测数据分析的机器学习库-源码

  2. Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1:坡度 渐变| 陡度线| 线方向| 重量 B0:拦截 偏差| 常数| 回归线与Y轴相交的位置(当X = 0时Y的值) R 2 :测定系数 模型捕获的数据的方差(0.7到0.9是R 2的好值) 大的R 2表示较好的拟合度(模型可以用更好的方法解释预测值与实际值的差异) R 2 = 1对应于SSR = 0(完美拟合) R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:9216
    • 提供者:weixin_42138525
  1. python-api-challenge-源码

  2. Python API作业-天气如何? 背景 在这次挑战中,我使用OpenWeatherMap API和Google Places API收集了我的数据,分析了天气数据。 第1部分-天气Py 在本部分中,我创建了一个Python脚本,以可视化世界各地距赤道不同距离的500多个城市的天气。 为此,我使用了一个简单的Python库和OpenWeatherMap API来创建世界各地城市的代表性天气模型。 首先,我创建了一系列散点图,以展示以下关系: 温度(F)vs.纬度湿度(%)vs.纬度混浊度
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:1048576
    • 提供者:weixin_42168555
  1. The_Sparks_Foundation_Tasks:此存储库包含我作为The Sparks Foundation的实习生时完成的任务-源码

  2. Sparks基金会的任务 该存储库包含我作为实习生时完成的任务。 实习类别-数据科学和业务分析。 实习期限-1个月(2021年2月至今)。 实习类型-在家工作。 在这次实习中,我们总共获得了8个任务。 任务1:使用监督的ML进行预测(级别-初学者) 请单击右侧的图像查看我的解决方案。 根据学习时间预测学生的分数百分比。 这是一个简单的线性回归任务,因为它仅涉及2个变量。 您可以使用R,Python,SAS Enterprise Miner或任何其他工具。 如果学生每天学习9.25
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:113664
    • 提供者:weixin_42099633
  1. 使用Python进行简单线性回归:使用Python进行简单线性回归-源码

  2. 使用Python进行简单线性回归 在ML算法中,我们有: 监督学习 无监督学习 在监督学习中,我们有: 回归 分类 首先,我们讨论不同类型的回归。 线性回归 简单线性回归 多元线性回归 逻辑回归 套索回归 岭回归 在此存储库中,我们讨论简单线性回归 简单线性回归: It is applicable when relationship between input variable and output variable is linear, that is it should h
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:6144
    • 提供者:weixin_42132359
  1. Vadoadra-House-Price-Prediction:这是一个简单的线性回归实现机器学习模型,并使用flask进行了部署。 Vadodara房屋价格数据集由我们创建-源码

  2. Vadoadra房屋价格预测 这是一个简单的线性回归实现机器学习模型,并使用flask进行了部署。 Vadodara房屋价格数据集由我们创建。 如何运行这个程序 只需在Windows或Linux或MacOS的终端的命令提示符下运行python app.py 。 然后在浏览器中,在URL上键入localhost:5000 ,该应用程序将运行,您已经可以预测价格了。
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:121856
    • 提供者:weixin_42127020
  1. 星期五:特征相关间隔(FRI)算法的Python实现-源码

  2. 特征相关性间隔-FRI FRI是用于分析功能选择的Python 3软件包。 在保留所有重要功能的意义上,它允许进行高级功能选择。 目前,我们支持用于解决分类,回归和有序回归问题的多个线性模型。 我们还支持LUPI范例,该范例在学习时可获得特权信息。 用法 请参考以获取建议。 为了快速入门,我们提供了一个简单的指南,指导您完成主要功能。 安装 FRI需要Python 3.6+ 。 对于PyPI的稳定版本,请使用 $ pip install fri 或使用新版本的pip (> = 19?
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:163840
    • 提供者:weixin_42124497
  1. 使用Python进行机器学习:用于理解核心概念的小型机器学习项目。 给星星:glowing_star:如果有帮助的话。 奖金:面试银行来了..!-源码

  2. Python机器学习 小型机器学习项目,以了解核心概念(顺序:从最早到最新) 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模,并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:751616
    • 提供者:weixin_42109545
  1. python-flask-sklearn-docker-template:使用scikit-learn,Flask和Docker进行实时机器学习的python API的简单示例-源码

  2. python-flask-docker-sklearn-template 用于实时机器学习的python API的简单示例。 初始化时,将创建一个简单的线性回归模型并将其保存在计算机上。 在请求进行预测时,将加载简单模型并返回预测。 有关更多信息,请阅读 要求 安装了码头工人 在docker上运行-本地 码头工人建设。 -t {标签名} -f ./Dockerfile_local 分离:docker run -p 3000:5000 -d {some tag name} 交互式(建议用于调试)
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:3072
    • 提供者:weixin_42172572
  1. probflow:用于使用TensorFlow或PyTorch构建贝叶斯模型的Python包-源码

  2. 概率流 ProbFlow是一个Python软件包,用于使用或构建概率贝叶斯模型,对这些模型执行随机变异推理,并评估模型的推理。 它提供了用于构建贝叶斯神经网络的高级模块,以及用于构建定制贝叶斯模型的低级参数和分布。 这项工作仍在进行中。 Git存储库: : 文档: : 错误报告: : 入门 ProbFlow使您可以快速轻松地构建,拟合和评估在和或之上运行的自定义贝叶斯模型(或模型!)。 使用ProbFlow,贝叶斯模型的核心构建块是参数和概率分布(当然还有输入数据)。 参数定义自变
  3. 所属分类:其它

    • 发布日期:2021-03-28
    • 文件大小:1048576
    • 提供者:weixin_42143092