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. libsvm-2.9 林智仁(Chih-Jen Lin)博士开发设计的SVM分类工具包（内附C/Java/python三版，可运行在Windows/Unix/Linux平台）

  2. LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。LIBSVM 是一个开源的软件包，可以方便的在Windows 或UNI

  3. 所属分类：C++

    • 发布日期：2009-11-30
    • 文件大小：564224
    • 提供者：evimacsl

  1. libsvm toolbox（林智仁博士），支持向量机工具箱

  2. LibSVM是台湾林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。 下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c++源码文件。 Java——主要是应用于java平台； Python——是用来参数优选的工具，稍后介绍； svm-toy——一个可视化的工具，用来展示训练数据和分类界面，里面

  3. 所属分类：专业指导

    • 发布日期：2016-12-23
    • 文件大小：878592
    • 提供者：u014159207

  1. python2.4版本

  2. python2.4安装版本，适合用于做支持向量机回归的时候安装。

  3. 所属分类：Python

    • 发布日期：2017-03-19
    • 文件大小：10485760
    • 提供者：ochangxiang12345

  1. 常用数据挖掘算法总结及Python实现 文字版+code

  2. 本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评

  3. 所属分类：Python

    • 发布日期：2018-04-21
    • 文件大小：4194304
    • 提供者：mycoffee1990

  1. 支持向量机SVM算法的Python程序

  2. SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

  3. 所属分类：机器学习

    • 发布日期：2018-07-20
    • 文件大小：4096
    • 提供者：qq_42617330

  1. Python数据分析和人工智能随堂笔记（千峰）

  2. Python数据分析和人工智能随堂笔记（千峰） 包含：numpy，opencv，pandas，数据预处理，美国大选政治献金，scipy，机器学习与回归算法，决策树，贝叶斯&文本处理，支持向量机，tensorflow……

  3. 所属分类：机器学习

    • 发布日期：2020-05-06
    • 文件大小：1048576
    • 提供者：SFS_Ccjm

  1. Day9-LinearRegression线性回归与逻辑斯蒂回归.xmind

  2. 整理python机器学习常用算法，里面涵盖基础操作，案例解析和注意事项，包括knn算法、逻辑斯蒂回归、线性归回、岭回归、SVM支持向量机等，因不能同时上传多个文件，所以逐一上传，如果下载文档的博友有问题可以随时咨询我，保证物有所值

  3. 所属分类：机器学习

    • 发布日期：2020-01-13
    • 文件大小：7340032
    • 提供者：ZZQHELLO2018

  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 主要介绍了python 机器学习之支持向量机非线性回归SVR模型，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：83968
    • 提供者：weixin_38623249

  1. 统计学习方法及代码实现(Python)

  2. 全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。

  3. 所属分类：机器学习

    • 发布日期：2020-10-07
    • 文件大小：17825792
    • 提供者：qq_30121457

  1. 详解python 支持向量机(SVM)算法

  2. 相比于逻辑回归，在很多情况下，SVM算法能够对数据计算从而产生更好的精度。而传统的SVM只能适用于二分类操作，不过却可以通过核技巧（核函数），使得SVM可以应用于多分类的任务中。 本篇文章只是介绍SVM的原理以及核技巧究竟是怎么一回事，最后会介绍sklearn svm各个参数作用和一个demo实战的内容，尽量通俗易懂。至于公式推导方面，网上关于这方面的文章太多了，这里就不多进行展开了~ 1.SVM简介 支持向量机，能在N维平面中，找到最明显得对数据进行分类的一个超平面！看下面这幅图： 如上图

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：205824
    • 提供者：weixin_38557727

  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中支持向量机SVM的使用方法详解

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明 　　skleran中集成了许多算法，其导入包的方式如下所示， 　　逻辑回归：from sklearn.linear_model import LogisticRegression    

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：182272
    • 提供者：weixin_38738783

  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. 机器学习推导+python实现（一）：线性回归

  2. 写在开头：这个系列的灵感已经整个系列的思路会根据公众号机器学习实验室的节奏进行，相当于做一个自己的理解版本，并且按照以往惯例我们会增加一些问题来对小细节进行讨论。 内容安排 笔者觉得如果单单的去调用sklearn库的机器学习的方法有些不妥，这个系列本应该在去年就开始了，但一直拖着没有更新。所以从今天开始我们一起来探究机器学习的乐趣吧。这个系列开始后，我们还会增加很多细节上的思考问题的讨论系列。 根据公众号机器学习实验室的节奏安排我们预计会涉及以下几个内容的实现：线性回归（一）、逻辑回归（二）、K

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：139264
    • 提供者：weixin_38744902

  1. 机器学习推导+python实现（九）：线性支持向量机

  2. 写在开头：今天将跟着昨天的节奏来分享一下线性支持向量机。 内容安排 线性回归（一）、逻辑回归（二）、K近邻（三）、决策树值ID3（四）、CART（五）、感知机（六）、神经网络（七）、线性可分支持向量机（八）、线性支持向量机（九）、线性不可分支持向量机（十）、朴素贝叶斯（十一）、Lasso回归（十二）、Ridge岭回归（十三）等。 昨天再分享线性可分支持向量机的时候，大家不免会发现其既定前提是数据线性可分，但实际生活中对于线性可分的数据来说还是比较少，那么如何在线性可分支持向量机的基础上进行改机使

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：173056
    • 提供者：weixin_38565818

  1. Python中的支持向量机SVM的使用（附实例代码）

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明：http://scikit-learn.org/stable/auto_examples/index.html。 skleran中集成了许多算法，其导入包的方式如下所示， 逻辑回归：from

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：179200
    • 提供者：weixin_38703980

  1. Medicare-Fraud-Prediction：使用机器学习模型（如逻辑回归，随机森林和支持向量机）基于索赔，预测潜在欺诈提供者，以可视化索赔发生-源码

  2. 医疗保险欺诈预测 医疗保健领域的欺诈是医疗保险行业的主要关注之一。 消息人士称，由于虚假索赔，总支出大幅增加。 医疗保健欺诈有多种形式，提供商的几种常见欺诈类型是：对未提供的服务收费，重复的索赔提交，通过对更复杂或更昂贵的服务收费来歪曲服务。 该项目的目标是使用逻辑回归，随机森林估计量并基于索赔，预测潜在的欺诈提供者，并可视化索赔发生。 在检测潜在欺诈提供者的行为时，探索性分析将发现重要变量，以了解提供者索赔中的欺诈模式。 语言：Python

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：532480
    • 提供者：weixin_42099151

  1. mnist分类：Pytorch，Scikit学习实现多种分类方法，包括逻辑回归（Logistic回归），多层感知机（MLP），支持向量机（SVM），K近邻（KNN），CNN，RNN，极简代码适合新手小白入门，附英文实验报告（ACM模板）-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42109125

  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' d

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：87040
    • 提供者：weixin_38622467

  1. Movie_Success_Prediction_Data_Mining:通过ML算法（朴素贝叶斯，支持向量机，决策树）基于IMDb数据预测电影成功-源码

  2. INSE6180 使用3个研究论文的数据挖掘算法实现。 该项目使用所有上述算法对从IMDb数据库获得的数据进行ML分析。 这些算法（朴素贝叶斯算法，决策树算法和支持向量机）在不同的数据集上效果最佳，但为了使它们更公平，已使用了新的IMDb数据库。 首先，对数据进行清洗，预处理，修剪然后整合，以便为分类器提供可能的最佳有意义数据。 考虑到要进行分析，分类器从头开始用Python语言编写了脚本。 最后，在已开发的分类器中进行分析，并进行比较研究。 队友：Gursimran Singh –400

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：2097152
    • 提供者：weixin_42109732
« 12 3 4 »