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. Agent普适机器学习分类器

  2. 学习Agent普适机器学习分类器的好资源，希望和大家共享

  3. 所属分类：专业指导

    • 发布日期：2009-05-15
    • 文件大小：508928
    • 提供者：coffewine

  1. 基于SVM的一种新的分类器设计方法

  2. 根据半监督学习方法，利用已经标注好的训练样本和无标注的训练样本一起训练分类器

  3. 所属分类：专业指导

    • 发布日期：2009-07-15
    • 文件大小：220160
    • 提供者：wyb0204

  1. 基于统计学习的多类别分类器研究.nh

  2. 基于统计学习的多类别分类器研究.nh基于统计学习的多类别分类器研究.nh

  3. 所属分类：专业指导

    • 发布日期：2009-09-17
    • 文件大小：2097152
    • 提供者：cyj88jyc

  1. xcs 基于遗传算法的自动学习分类器系统 C++

  2. 一个不错的基于遗传算法的自动学习分类器系统，可以学习一下。

  3. 所属分类：C++

    • 发布日期：2012-05-03
    • 文件大小：394240
    • 提供者：btx_ray

  1. ID3算法 决策树 机器学习 分类器

  2. ID3算法是机器学习中，决策树分类器的一个算法。讲得很详细。不错。

  3. 所属分类：专业指导

    • 发布日期：2013-04-18
    • 文件大小：390144
    • 提供者：vagrantisme

  1. 朴素贝叶斯分类器

  2. 程序利用python实现了朴素贝叶斯分类器，根据训练语料数据对给出的测试数据预测对应邮件内容的作者， 并给出了分类器预测准确率。 nb_author_id.py为分类器实现，email_preprocess为语料预处理

  3. 所属分类：Python

    • 发布日期：2016-02-16
    • 文件大小：2048
    • 提供者：sabrina_living

  1. 贝叶斯分类器

  2. 利用朴素贝叶斯算法在训练数据上学习分类器,训练数据已提供

  3. 所属分类：Java

    • 发布日期：2017-12-24
    • 文件大小：36864
    • 提供者：qq_31494787

  1. Python-我们使用不同的特性集和机器学习分类器来确定最佳组合用于twitter情绪分析

  2. 我们使用不同的特性集和机器学习分类器来确定最佳组合用于twitter情绪分析

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：30720
    • 提供者：weixin_39840387

  1. PopStar-and-PopRank:使用网站敏捷性和社会声誉进行恶意网站检测。 Web搜寻器，以捕获源代码，链接并获取网页的屏幕截图。 还开发了用于直方图分析的代码，以使用Opencv计算图像的相似性。 使用机器学习分类器将网站分类为良

  2. PopStar-and-PopRank:使用网站敏捷性和社会声誉进行恶意网站检测。 Web搜寻器，以捕获源代码，链接并获取网页的屏幕截图。 还开发了用于直方图分析的代码，以使用Opencv计算图像的相似性。 使用机器学习分类器将网站分类为良性或恶意，还对搜索引擎结果进行排名，以使打Kong网站的排名较低

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：3145728
    • 提供者：weixin_42150745

  1. COVIDFaceMaskProject:我的github存储库，其中包含用于训练和构建面罩检测深度学习分类器的python脚本-源码

  2. COVIDFaceMaskProject:我的github存储库，其中包含用于训练和构建面罩检测深度学习分类器的python脚本

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：67108864
    • 提供者：weixin_42160278

  1. panclassif:一种提高TCGA癌分类器性能的方法-源码

  2. PanClassif：用于癌癌分类的机器学习分类器管道 这是一个完整的机器学习管道软件包，可用于TCGA癌症RNA-seq基因计数数据。 数据预购 使用TCGA2STAT下载TCGA癌症和正常样本 使用knn-smoothing对上述收集的数据进行平滑处理（ ） 功能 featSelect（homepath，cancerpath，normalpath，k） 参量 homepath：（str）您要保存所有生成的文件和文件夹的路径。 癌变路径：（str） 所有癌症的癌症基因表达矩阵所处的路径。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：204800
    • 提供者：weixin_42110038

  1. CIAMS:一种工具包，用于自动选择合适的分类模型以及评估在给定数据集上学习分类器的难易程度-源码

  2. CIAMS-基于聚类指数的自动分类模型选择 CIAMS的代码打包为AutoMS 。 AutoMS（使用聚类索引的自动模型选择）是一种机器学习模型建议和数据集可分类性评估工具包。 在找到文档。 目录 概述 对于给定的二进制分类数据集， AutoMS估计与各种分类器模型相对应的最大可实现f1分数。 这些估计分数有助于对分类器模型进行明智的选择，以在数据集上进行实验，并推测每个分类器的期望值。 AutoMS还可以预测数据集的分类复杂度，该复杂度表征了可以轻松对数据集进行分类的特征。 AutoMS

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：159744
    • 提供者：weixin_42116604

  1. 入门系列之Scikit-learn在Python中构建机器学习分类器

  2. 本文来自于segmentfault，文章详细介绍了如何在Python中构建机器学习分类器等相关知识。机器学习是计算机科学、人工智能和统计学的研究领域。机器学习的重点是训练算法以学习模式并根据数据进行预测。机器学习特别有价值，因为它让我们可以使用计算机来自动化决策过程。在本教程中，您将使用Scikit-learn（Python的机器学习工具）在Python中实现一个简单的机器学习算法。您将使用NaiveBayes（NB）分类器，结合乳腺癌肿瘤信息数据库，预测肿瘤是恶性还是良性。在本教程结束时，您将

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：161792
    • 提供者：weixin_38741891

  1. 青柠：青柠：解释任何机器学习分类器的预测-源码

  2. 酸橙 该项目旨在说明机器学习分类器（或模型）的功能。 目前，我们支持使用称为lim的程序包（对本地可解释的模型不可知的解释的简称）来解释针对文本分类器或作用于表（数字或分类数据的numpy数组）或图像的分类器的各个预测。 石灰是基于提出的工作（）。 这是促销视频的链接： 我们的计划是添加更多软件包，以帮助用户理解机器学习并与之进行有意义的交互。 Lime可以解释具有两个或更多类的任何黑匣子分类器。 我们所需要的就是分类器实现一个函数，该函数接收原始文本或numpy数组，并为每个类输出概率。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：9437184
    • 提供者：weixin_42160398

  1. Drawing-ML-Classifier：用于Doodle的机器学习分类器的仓库-源码

  2. 绘图ML分类器 演示版 Heroku应用程序： : 介绍 该项目的目的是对在画布上绘制的图纸进行分类，并执行机器学习分类以提供哪种图像更接近输入。 这是机器学习项目进行分类仅有15个教学班，使用卷积神经网络和 。 图纸分类 样本图片

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：20971520
    • 提供者：weixin_42110469

  1. Molecular_classification：“用于化学的Auto-sklearn”-训练并运行用于分子分类任务的机器学习分类器-源码

  2. 分子分类 “ 用于化学”。 总览 训练并运行机器学习的分类器以执行分子分类任务； 例如，预测QSAR项目中的溶解度，雾化能或生物亲和力等属性。 总体目的是“将任何易于计算的东西扔到墙上，看看有什么东西粘在上面”。 分子以字符串的形式输入。 根据这些，可以使用计算不同类型的指纹（固定大小的向量）。 模型训练基于基于或分类。 更先进的表示（例如，图形回旋）或ML模型（例如，深层神经网络）不被支持。 但是，该软件包会针对支持的模型类型自动进行超参数优化。 该项目提供了两个脚本： train_mo

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：169984
    • 提供者：weixin_42153615

  1. 移动深度学习分类器：有关构建和部署用于食物的移动深度学习分类器的教程-源码

  2. 创建一个移动应用 此存储库包含用于构建深度学习移动分类器的模板。 引文注 如果您确实使用我们的博客或GitHub存储库来创建自己的Web或移动应用程序，如果您愿意通过共享以下引用来注明我们的工作归属，我们将不胜感激： Pattaniyil，Nindhin和Shaikh，Reshama， ，2019年 这是我们在移动应用演示的链接 工具类 以下用于移动模型部署： 世博会（React Native） XCode（可选） 在Heroku上部署的Web应用程序 假设条件 用作网络应用程序的深度学

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：10485760
    • 提供者：weixin_42110070

  1. eli5：用于调试检查机器学习分类器并解释其预测的库-源码

  2. eli5：用于调试检查机器学习分类器并解释其预测的库

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：6291456
    • 提供者：weixin_42101164

  1. ecg分类：MIT-BIH心律失常数据库上的训练和测试机器学习分类器的代码-源码

  2. 心电图分类 该代码包含一种基于多个支持向量机（SVM）的自动分类心电图（ECG）方法的实现。 该方法依赖于随后的搏动及其形态之间的时间间隔来进行ECG表征。 使用基于小波，局部二进制模式（LBP），高阶统计量（HOS）和几个幅度值的不同描述符。 有关详细说明，请参见以下文章： : 如果您在出版物中使用此代码，请引用为： article{MONDEJARGUERRA201941, author = {Mond{\'{e}}jar-Guerra, V and Novo, J and Rou

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：104448
    • 提供者：weixin_42138716

  1. 入门系列之Scikit-learn在Python中构建机器学习分类器

  2. 本文来自于segmentfault，文章详细介绍了如何在Python中构建机器学习分类器等相关知识。 机器学习是计算机科学、人工智能和统计学的研究领域。机器学习的重点是训练算法以学习模式并根据数据进行预测。机器学习特别有价值，因为它让我们可以使用计算机来自动化决策过程。在本教程中，您将使用Scikit-learn（Python的机器学习工具）在Python中实现一个简单的机器学习算法。您将使用Naive Bayes（NB）分类器，结合乳腺癌肿瘤信息数据库，预测肿瘤是恶性还是良性

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：155648
    • 提供者：weixin_38607088
« 12 3 4 5 6 7 8 9 10 ... 50 »