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. WBS_InfoSystems:沃里克商学院-金融机器学习导论-源码

  2. 欢迎来到沃里克商业学院金融技术-机器学习驱动的定量投资Github存储库。 该存储库的独特之处在于它包含直接应用于广泛的全球股票投资的机器学习技术，模型和高级方法。 我们使用最强大的Python库来驱动用于股票选择和投资的机器学习方法。 随便是我们的底线，我们带您走上从格兰杰因果关系到使用ML工具包的过程，该工具包培养了最先进的XAI和多任务机器学习，从而使我们能够使用功能强大，因果关系可解释的机器学习投资系统。 （作者实际上是在做这些事情）。 我们通过加载涵盖新兴市场和发达市场的数千种全球股

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：47185920
    • 提供者：weixin_42119866

  1. 深度学习入门-源码

  2. 欢迎与LeadingIndia.ai合作阅读我们的AI和深度学习课程库简介！ 您可以通过访问与LeadingIndia.ai合作找到有关我们的AI和深度学习入门课程的更多信息 要注册我们的课程，您可以通过访问找到适合您日程的下一门 教学大纲 第一天 理论：人工智能和深度学习导论 动机：深度学习的基础和术语 AI vs ML vs DL：比较 特征和重量 机器学习回顾：线性回归，逻辑回归 激活功能。 动手 Python编程简介 第二天 理论：神经网络 神经网络 损失函数 梯度下降 前馈和后向

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：2097152
    • 提供者：weixin_42179184

  1. Coursera-深度学习-专业化-源码

  2. 深层学习专业 吴安（Andrew Ng），deeplearning.ia，库拉 教学大纲 + Course 1: Neural Networks and Deep Learning 第一周 第1课：深度学习简介 第二周 第2课：逻辑回归作为神经网络 第3课：Python和向量化 实验1：Numpy的Python基础 作业1：具有神经网络心态的Logistic回归 第三周 第4课：浅层神经网络 作业2：具有一个隐藏层的平面数据分类 第四周 讲座5：深度神经网络 作业3：逐步建立您的深度神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：31457280
    • 提供者：weixin_42157188

  1. 学习笔记-源码

  2. 学习笔记 该报告用于学习笔记，包括计算机视觉，机器学习，深度学习，立体数学领域的基础和高级词汇。 关键字：视觉，学习，深度学习，立体匹配，视差，TensorFlow，Keras，PtTorch等。

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：70254592
    • 提供者：weixin_42122986

  1. 机器学习入门-源码

  2. 机器学习 取自Coursera课程 （效果与在jupyter notebook上查看一样） 1 Numpy的Python基础知识 1.1用numpy构建基本功能 * Sigmoid function, np.exp() * Sigmoid gradient * Reshaping arrays * Normalizing rows * Broadcasting and the softmax function 1.2向量化 * Implement

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：14680064
    • 提供者：weixin_42132352

  1. 统计机器学习项目-源码

  2. 统计机器学习基础 该存储库从头开始包含分类器和线性回归方法的实现。 这些代码是为Raul Rojas教授于2019年Spring提供的统计机器学习课程（STAT 760） 。 主要重点是各种概念的数学和理论处理。 分类器和回归： 费舍尔判别 感知器学习 神经网络 正则化神经网络和批量归一化 知识网络 基于普通最小二乘法（OLS）的线性回归 线性回归的子集选择方法 逻辑回归 岭回归 套索回归

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：5242880
    • 提供者：weixin_42109178

  1. Pyspatialml：空间数据的机器学习建模-源码

  2. 茶酚 空间栅格数据的机器学习分类和回归建模。 注意-此软件包仍在开发中，可能会做出重大更改。 描述 Pyspatialml是一个Python模块，用于将scikit-learn机器学习模型应用于栅格数据集的“堆栈”。 Pyspatialml包括用于处理多个栅格数据集并执行典型的机器学习工作流程的函数和类，这些工作流程包括提取训练数据并将scikit-learn估计量的predict或predict_proba方法应用于栅格数据集。 Pyspatialml建立在rasterio Python模块

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：29360128
    • 提供者：weixin_42148053

  1. 车辆检测系统基础机器学习-源码

  2. 车辆检测系统基础机器学习

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：15728640
    • 提供者：weixin_42131439

  1. Diabetes_PythonWebApp：Desafio Kaggle-应用程序网络Python工具和框架精简的糖尿病前瞻性IA机器学习概念-源码

  2. WebApp糖尿病的Python诊断 Kaggle（皮马印第安人糖尿病数据库-根据诊断方法预测糖尿病的发作） Apresentação 应用程序网络语言Python实用程序和框架Streamlit参数化了糖尿病实用程序的先决条件。 普遍使用的糖尿病治疗方法，以“ .csv”作为基本治疗方法，使用普通的预防性治疗药， ％。 Objetivo 数据科学，智能人工智能和机器学习领域的综合计划。 原始资料 网站的基础数据集（.csv），网站的主要网站[Kaggle]（ ）。 全国糖尿病和消化系

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：5242880
    • 提供者：weixin_42134234

  1. Python_Learning：自学的Python编程，包括基础知识，网页设计和机器学习部分-源码

  2. Python_学习 自学的Python编程，包括基础知识，网页设计和机器学习部分

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：4194304
    • 提供者：weixin_42104181

  1. Open3D-ML：Open3D的扩展，可解决3D机器学习任务-源码

  2. ML | | | | Open3D-ML是Open3D的扩展，用于3D机器学习任务。 它建立在Open3D核心库的基础上，并通过用于3D数据处理的机器学习工具进行了扩展。 此回购集中于诸如语义点云分段之类的应用程序，并提供可应用于常见任务以及训练管道的预训练模型。 Open3D-ML可与TensorFlow和PyTorch轻松集成到现有项目中，并且还提供独立于ML框架的常规功能，例如数据可视化。 安装 用户数 Open3D-ML集成在Open3D v0.11 + python发行版中，并且

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：14680064
    • 提供者：weixin_42139357

  1. serverless-model-aws：在AWS中部署任何无服务器的机器学习模型-源码

  2. 在AWS上对端点和无服务器批量转换作业进行建模 此存储库是用于将模型部署为AWS Elastic Container Service上的批处理转换作业或服务器终端节点的基础模板。 有关更详尽的教程，请。 服务器端点将保持运行状态，并且可以用作API进行推断。 批处理转换作业将被部署为无服务器应用程序，并将推断在AWS S3中删除的新数据。 将新数据放到S3存储桶上时，便会触发lambda函数。 lambda会将新鲜数据的元数据放在AWS SQS队列中。 容器将部署在AWS ECS中，完成S

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：18432
    • 提供者：weixin_42122878

  1. tpot：一种Python自动化机器学习工具，可使用遗传编程来优化机器学习管道-源码

  2. 主人身份： 发展状况： 包装信息： TPOT用于T基于稀土元素-P ipelineØptimization牛逼OOL。 将TPOT考虑为您的数据科学助理。 TPOT是Python自动机器学习工具，可使用遗传编程来优化机器学习管道。 TPOT将智能地探索数千种可能的管道以找到最适合您的数据的管道，从而使机器学习中最繁琐的部分自动化。 机器学习管道示例 TPOT完成搜索之后（或者您厌倦了等待），它会为您提供找到的最佳管道的Python代码，以便您可以从那里修改管道。 TPOT建立在s

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42117267

  1. machine_learning_basic：我的机器学习笔记-源码

  2. 基础机器学习模型的原理介绍和python实现

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42166918

  1. BasicMachineLearning：基本机器学习资料-源码

  2. 基础机器学习 基础机器学习资料

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：48234496
    • 提供者：weixin_42120541

  1. 机器学习：Tensorflow和scikit学习示例-源码

  2. 机器学习 基本的Tensorflow和Scikit学习用法示例 机器学习算法 可以在找到机器学习算法的实现。 实现的算法： 线性回归 K最近邻居 朴素贝叶斯 基础机器学习 基本的机器学习示例可以在找到。 示例包括： 数据可视化 预测蘑菇类型 预测股价 预测WorldCup结果 推荐系统

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：260096
    • 提供者：weixin_42115003

  1. 化学动力学预测器：一种数据驱动的工具，用于预测均相气相React的React顺序。 包括NIST化学动力学数据库中的机器学习实验-源码

  2. 动力学ML NIST化学动力学数据库上的机器学习实验。 在这项工作中，我们使用机器学习方法研究了某些物种的存在以及气相均相React过程中化学键组的形成/破坏与相应的活化能和React顺序之间的关系。 React数据是通过网络抓取和HTML解析从NIST Kinetics数据库获取的，以将在线数据库转换为更易访问的数据框（Pandas）格式。 然后，我们设计了一个特征向量来捕获某些物种和键的存在，并利用它来训练我们的模型以预测活化能和React顺序。 之所以选择基于随机森林的分类模型，是因为

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：38797312
    • 提供者：weixin_42127783

  1. 机器学习：ML.NET是.NET的开源和跨平台机器学习框架-源码

  2. NET的机器学习 是一个跨平台的开放源代码机器学习框架，它使.NET开发人员可以使用相同的代码访问机器学习，而这些代码可以在许多Microsoft产品（包括Power BI，Windows Defender和Azure）中推动机器学习。 ML.NET允许.NET开发人员开发/训练自己的模型，并使用.NET将自定义机器学习注入到他们的应用程序中，甚至无需事先开发或调整机器学习模型的专业知识。 它提供了从文件和数据库中加载数据的功能，支持数据转换并包括许多ML算法。 ML.NET支持机器学习（M

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：37748736
    • 提供者：weixin_42153793

  1. javaAnchorExplainer：使用marcotcr最初于2018年提出的Anchor算法快速解释机器学习模型-源码

  2. 安奇 该项目为机器学习模型提供了Anchors解释算法的有效Java实现。 Marco Tulio Ribeiro（2018）的初始建议“锚定：高精度模型不可知的解释”可在找到。 算法 作者的提供了有关算法工作原理的简短描述： 锚点解释是一个规则，该规则可以在本地充分“锚定”预测-从而使实例的其余特征值的更改无关紧要。 换句话说，对于锚点所在的实例，预测（几乎）总是相同的。 anchor方法可以解释具有两个或更多类的任何黑盒分类器。 我们所需要的只是分类器实现一个接受[数据实例]并输出[

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：83968
    • 提供者：weixin_42157556

  1. DeployMachineLearningModels：此存储库包含在各种云服务（例如Azure，Heroku，AWS，GCP等）上部署机器学习模型-源码

  2. 机器学习模型的部署 想象您建立了一个优化模型，并获得了x％的精度。 您停止流程，继续下一个模型。 但是在实际案例中，将模型带入生产和共享业务见解很重要。 不知道如何部署？ 不用担心。 此仓库包含在各种云服务（例如Azure，Heroku，AWS，GCP等）上部署机器学习模型。 让我们开始吧 数据科学家在jupyter实验室，google colab等中构建机器学习模型，机器学习工程师将构建的模型投入生产。 ML模型的部署仅意味着将模型集成到现有的生产环境中，该环境可以接受输入并返回可用于制

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：8388608
    • 提供者：weixin_42128676
« 12 3 4 5 6 7 8 9 10 ... 23 »