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. 机器学习：牛顿方法实现逻辑回归

  2. 实验步骤与内容： 1. 下载数据包ex3Data.zip并解压。 2. 对于这个练习，假设一所高中有一个数据集，代表40名被录取的学生和40名未被录取的学生。 每个(x (i)，y(i)) 数据包括两个标准化考试中学生的分数和学生是否被录取的标签。任务是建立一个二元分类模型，根据学生在两次考试中的成绩来估计大学录取机会。 3. polt data:使用不同的符号来表示录取结果，画出图像。 4. 假设模型的函数为sigmoid function： 进行求最优解的代价函数cost function

  3. 所属分类：机器学习

  1. KNN实现代码+数据可视化+决策边界

  2. 使用pandas和numpy实现的knn，包括了基于matplotlib的数据可视化，决策边界可视化等，喜欢研究机器学习原理的小伙伴们来下载哟～～～ 使用jupyter-notebook或者jupyter-lab玩耍哟～～～

  3. 所属分类：机器学习

    • 发布日期：2020-02-07
    • 文件大小：728064
    • 提供者：weixin_39345793

  1. 总结：Bootstrap(自助法)，Bagging，Boosting(提升) - 简书.pdf

  2. 关于机器学习方面的集成算法，包括boosting和bagging，里面讲解详细，值得下载2019/4/27 总结: Bootstrap(白助法), Bagging, Boosting(提升)-简书 assiier 1 -9 Decition boundary Classifier 2 Decislon boundary 2 Classifier 3 o Decision boundary 3 ▲△▲ △6▲ Feature 1 Feature 1 Featur (∑ g Feature Ense

  3. 所属分类：机器学习

    • 发布日期：2019-10-13
    • 文件大小：2097152
    • 提供者：qq_15141977

  1. 逻辑回归.zip

  2. 机器学习中的逻辑回归实验，有一组学生高考成绩及录取情况数据集，训练一个逻辑回归模型，使之可以对一组成绩进行分类，判断这组成绩是否能被学校录取。通过两种方法（牛顿法和梯度下降法）分别优化逻辑回归模型中的theta值，并依据所得的theta值绘制决策边界，利用所得的回归模型进行预测。

  3. 所属分类：机器学习

    • 发布日期：2019-07-14
    • 文件大小：3072
    • 提供者：qq_37665301

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：312320
    • 提供者：abacaba

  1. Python中使用支持向量机SVM实践

  2. 在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征：    (1)SVM可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间，这种方法一般只能获得局部最优解。   (2) SVM通过最大化决策边界的边缘来实现控制模型的能力。尽管如此，用户必须提供其他参数，如使用核函数类型和引入松弛变量等。   (

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：60416
    • 提供者：weixin_38534344

  1. Python中使用支持向量机(SVM)算法

  2. 在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征：    (1)SVM可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间，这种方法一般只能获得局部最优解。   (2) SVM通过最大化决策边界的边缘来实现控制模型的能力。尽管如此，用户必须提供其他参数，如使用核函数类型和引入松弛变量等。  

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：120832
    • 提供者：weixin_38581405

  1. 机器学习入门（二）：KNN算法和决策边界(Decision Boundary)绘制

  2. 1）KNN算法基础知识： KNN全称K Nearest Neighbor, k是指最近邻居的个数。 俗话说物以类聚，人以群分，我们通常判别一个人是好是坏的方式就是看他周围是一群好人还是坏人。 这个算法也是如此，假如A的周围有一堆好人，我们就认为他是个好人。即使他周围有两个坏人（干扰项），我们也不会把它当成坏人。 而人与人的关系也有远近之分，计算远近，我们就需要用距离来衡量，有时候远亲不如近邻就体现了距离的重要性。 首先看这样一个例子： 现在有一个点，坐标分别是a1=2，a2=4，a3=3，请问它

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：248832
    • 提供者：weixin_38592643

  1. 编程作业（python）| 吴恩达 机器学习（6）支持向量机 SVM

  2. ∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗\color{#f00}{***\ 点击查看\ :吴恩达机器学习 \ —— \ 整套笔记+编程作业详解\ ***}∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗ 作业及代码：https://pan.baidu.com/s/1L-Tbo3flzKplAof3fFdD1w 密码:oin0 本次作业的理论部分：吴恩达机器学习（七）支持向量机 编程环境：Jupyter Notebook 1. 线性 SVM

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：394240
    • 提供者：weixin_38608726

  1. 基于机器学习的分类器为缓解非线性相位噪声而创建的非线性决策边界

  2. 基于机器学习的分类器为缓解非线性相位噪声而创建的非线性决策边界

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38632146

  1. 芒果：Python中的并行超参数优化-源码

  2. 芒果：平行的黑匣子优化库 Mango是一个python库，用于在复杂搜索空间上进行并行优化。 目前，Mango旨在为机器学习算法找到最佳的超参数。 查看Mango的快速12秒演示，该演示近似于SVM的复杂决策边界 Mango在内部使用基于高斯过程的多臂Bandit贝叶斯优化器的并行实现。 芒果的一些突出特点是： 能够轻松定义与scikit-learn随机搜索和gridsearch函数兼容​​的复杂搜索空间。 内部使用最先进的优化器，该优化器允许并行采样一批值以进行评估。 目标函数可以任

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：9437184
    • 提供者：weixin_42102713

  1. Iris-EDA：Iris EDA笔记本和数据集-源码

  2. 虹膜EDA 项目目标： Iris已成为非常流行的数据集，供初学者学习可视化和机器学习的基础知识，不幸的是，大多数情况下，人们最终还是使用它来重新发明轮子。 我对该项目的目标是展示一种全新的方法，您可以可视化呈现的数据，发现新的可能性和新方法，以研究数百万次之前完成的工作。 首先，我想探索Plotly库，看看是否可以通过正确地处理数据来创建独特的图表来讲述一个故事。 其次，开发分类算法及其决策边界的二维表示。 虹膜数据： 我已经从UCI Machine Learning提供的Kaggle下载了

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42170790

  1. 所有项目清单-源码

  2. （一）机器视觉 使用YOLOv3对64种食品进行对象检测，2019年（15K训练图像，45K训练边界框，mAP：0.42） （二）自然语言处理 （2K培训数据，acc：96.9％） （50K训练数据，acc：80.7％） （III）R中的预测建模 涉及EDA，特征工程，机器学习算法（回归，逐步回归，随机森林，梯度提升，广义加性模型，多元自适应回归样条，贝叶斯加性回归树，支持向量机）的预测建模项目，模型选择和模型推断。 （RF / GBM比空模型的MAE改善了35.0％） （BART模型比n

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：14680064
    • 提供者：weixin_42131367

  1. 从零到零的机器学习：广泛使用的机器学习算法的一些示例代码-源码

  2. 机器学习从零到零 广泛使用的机器学习算法的一些示例代码 支持向量机（使用SMO算法进行优化） 线性核 原始数据如下所示： 在使用线性核训练SVM之后，我们可以获得以下决策边界： 高斯核 原始数据如下所示： 在使用线性核训练SVM之后，我们可以获得以下决策边界：

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：440320
    • 提供者：weixin_42151772

  1. 很棒的决策树论文：有关决策树，分类树和回归树的研究论文集以及实施-源码

  2. 很棒的决策树研究论文 精选的决策，分类和回归树研究论文清单，包括来自以下会议的实现： 机器学习 计算机视觉 自然语言处理 数据 人工智能 关于，，，和论文的类似集合以及实现。 2020年 DTCA：可解释的索赔验证基于决策树的共同注意网络（ACL 2020） 吴连伟，袁Yuan，赵永强，梁浩，安布琳·纳齐尔 隐私保护梯度提升决策树（AAAI 2020） 李勤彬，吴兆敏，温则宜，何炳生 实用联合梯度提升决策树（AAAI 2020） 李勤彬，温则宜，何炳生 最优决策树的有效推

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：47104
    • 提供者：weixin_42168902

  1. 吴恩达机器学习课后练习-ex2

  2. 所用到的文件 ex2.m-Octave/MATLAB脚本，该脚本引导您完成ex2 reg.m-Octave/MATLAB脚本，用于ex2data1.txt练习的后面部分- Ex2data1.txt练习的前半部分的训练集- ex2data2.txt练习的后半部分的训练集提交。m-提交脚本，用于将您的解决方案发送到我们的服务器 mapFeature.m-生成多项式特征的函数 plot decision boundary.m-绘制分类器决策边界的函数 [?]plot data.m-打印二维分类数据的函

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：130048
    • 提供者：weixin_38698018

  1. 利用经验方差进行数据流分类

  2. 使用决策树算法进行分类是数据流中广泛研究的问题。 挑战在于何时将决策节点拆分为多个叶子。 与不考虑方差的霍夫丁定律相比，利用伯恩斯坦和贝内特不等等方差信息的浓度不平等通常是严格严格的。 许多用于流分类的机器学习算法，例如超快速决策树（VFDT）学习器，AdaBoost和支持向量机（SVM），都使用Hoeffding边界作为性能保证。 在本文中，我们提出了一种基于最近提出的经验伯恩斯坦边界的新算法，以在决策树的准确性上实现更好的概率边界。 在四个合成数据集和两个真实世界数据集上的实验结果证明了我们

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：350208
    • 提供者：weixin_38632797

  1. 基于信息增益的模糊加权规则关联分类器

  2. 基于关联规则的分类算法 已经被证明具有更高的准确性和更好的 与经典分类器相比，易于理解。 这些 优点使它们被广泛应用于智能决策系统的应用中。 但是，在某些特定领域，例如 作为医疗保健领域，人们希望使用更多的先验知识和 更多关注 注意具有强相关性的属性 在建模过程中使用类标签。 本文提出了一种模糊 信息增益的加权关联分类器 （IGWFAC）是 建议的。 IGWFAC使用属性选择 信息增益确定属性的策略 重要程度并分配相应的权重，以便 更重要的属性受到更多关注。 在 此外，所提出的算法将模糊集应用于

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：569344
    • 提供者：weixin_38608866