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. 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