点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 数据挖掘学习笔记(三)
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
针式PinPKM-V2013(2013版)
针式PKM 是专业的 个人知识管理软件,比Windows资源管理器多130项功能专门用来进行个人知识管理。 1.按标题瞬间搜索,和everything一样快,功能一样强大,来快速找到文档 2.支持200多种文档格式的全文搜索,支持组合搜索“A .pdf”搜索包含A内容的PDF文档 3.文件夹快速定位搜索来分析自己的知识体系 4.支持本地智能备份、网盘备份等提升知识文档的安全性 5.支持多维分类、标签、多文档关联等方式来归类整理自己的文档 6.支持共享知识库来和同事分享自己的专业研究结果 7.支
所属分类:
IT管理
发布日期:2015-10-18
文件大小:8388608
提供者:
h9s
针式PinPKM-V201502(免费无使用限制)
简介概况 2007年,针式PKM 对外发布V1.0版,2012年发布V9.6版,2013年发布V2013版,2015年发布V2015版。2015年4月17日改名为文档大师 1.版本兼容原则 新版本的针式PKM总是兼容旧版的知识库,即旧版软件创建的知识库可以自动升级到新版,无需任何转换。 2.Windows平台支持 支持从Windows XP、Win7、Win8、Windows Server2003/2008/2012等 3.Office支持 支持OfficeXP、Office2003/2007
所属分类:
IT管理
发布日期:2015-10-18
文件大小:8388608
提供者:
h9s
针式PinPKM-V201506(免费无使用限制)
2007年,针式PKM 对外发布V1.0版,2012年发布V9.6版,2013年发布V2013版,2015年发布V2015版。2015年4月17日改名为文档大师 1.版本兼容原则 新版本的针式PKM总是兼容旧版的知识库,即旧版软件创建的知识库可以自动升级到新版,无需任何转换。 2.Windows平台支持 支持从Windows XP、Win7、Win8、Windows Server2003/2008/2012等 3.Office支持 支持OfficeXP、Office2003/2007/2010
所属分类:
IT管理
发布日期:2015-10-18
文件大小:9437184
提供者:
h9s
机器学习个人笔记完整版v4.21
斯坦福大学 2014 机器学习教程中文笔记:本课程ᨀ供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习 (聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理 论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何 运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计 算机视觉,医疗信息,音频,数据挖掘,和其他
所属分类:
机器学习
发布日期:2017-12-20
文件大小:10485760
提供者:
weixin_37562521
机器学习个人笔记完整版v4.21
吴恩达的机器学习教程中文笔记,主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。
所属分类:
机器学习
发布日期:2018-04-07
文件大小:10485760
提供者:
m0_37868504
斯坦福大学 2014 机器学习教程中文笔记
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。 本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控 制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘, 和其他领域。 本课程需要 10 周共 18 节课
所属分类:
机器学习
发布日期:2018-07-28
文件大小:6291456
提供者:
xiaoxc_java
斯坦福机器学习课程的笔记
斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。本课程需要10 周共
所属分类:
深度学习
发布日期:2018-07-14
文件大小:214958080
提供者:
weixin_40704532
斯坦福大学 2014机器学习教程中文笔记
斯坦福大学 2014机器学习教程中文笔记 Machine Learning(机器学习 机器学习 )是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学习行为,以获取新是研究计算机怎样模拟或实现人类的 学
所属分类:
机器学习
发布日期:2018-11-12
文件大小:11534336
提供者:
u014793454
机器学习个人笔记完整版(附数学公式)v5.28
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习
所属分类:
机器学习
发布日期:2018-11-12
文件大小:7340032
提供者:
u014793454
斯坦福大学 2014 机器学习教程中文笔记
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
所属分类:
机器学习
发布日期:2018-11-13
文件大小:10485760
提供者:
qq_33042407
机器学习笔记
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。
所属分类:
机器学习
发布日期:2019-02-14
文件大小:16777216
提供者:
linyan803
斯坦福大学 2014 机器学习教程中文笔记
课程地址:https://www.coursera.org/course/ml 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
所属分类:
机器学习
发布日期:2019-04-10
文件大小:5242880
提供者:
u010347179
机器学习和深度学习个人笔记合集
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演译。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。机器学习是当今非常普遍,你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中,您将学习
所属分类:
机器学习
发布日期:2019-04-17
文件大小:84934656
提供者:
action_now_
数据挖掘十大算法详解.zip
数据挖掘十大算法详解,数据挖掘学习笔记--决策树C4.5 、数据挖掘十大算法--K-均值聚类算法 、机器学习与数据挖掘-支持向量机(SVM)、拉格朗日对偶、支持向量机(SVM)(三)-- 最优间隔分类器 (optimal margin classifier) 、支持向量机(SVM)(五)-- SMO算法详解、PageRank等
所属分类:
算法与数据结构
发布日期:2019-06-28
文件大小:3145728
提供者:
inverse_fang
斯坦福机器学习笔记.zip
机器学习是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。在过去的十年中,机器学习帮助我们自动驾驶汽车,有效的语音识别,有效的网络搜索,并极大地提高了人类基因组的认识。在本课中,将学习最有效的机器学习技术,并获得实践,让它们为自己的工作。更重要的是,不仅得到理论基础的学习,而且获得那些需要快速和强大的应用技术解决问题的实用技
所属分类:
机器学习
发布日期:2019-09-16
文件大小:7340032
提供者:
weixin_44824881
机器学习个人笔记完整版v5.4.docx
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。 本课程需要10周共1
所属分类:
机器学习
发布日期:2020-02-15
文件大小:778240
提供者:
kuaileren003
AndrewNG机器学习笔记v5.4—黄海广.pdf
本笔记是针对斯坦福大学 2014 年机器学习课程视频做的个人笔记。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
所属分类:
机器学习
发布日期:2020-01-26
文件大小:8388608
提供者:
Leytton
机器学习个人笔记完整版v5.33-A4打印版
斯坦福大学2014 机器学习教程 个人笔记(V5.33) 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。 (二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。 (三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
所属分类:
机器学习
发布日期:2019-03-17
文件大小:4194304
提供者:
ringboycn
ACA考试-笔记(三)
介绍 产品概述 提供全面托管的工作流服务,一站式开发管理的界面,帮助企业专注于数据价值的挖掘和探索 特点: 全面托管的调度:具有强大的调度能力,提供完全托管的服务(任务到了指定时间自动调动) 多种任务类型:数据同步,odps sql,mr,shell,机器学习 可视化开发:提供可视化的代码开发,工作流设计器界面 监控报警:可视化的任务监控,人物监控短信报警 数据开发流程 数据产生->数据收集与存储->数据分析与处理->数据提取->数据展现与分享 产品架构 原始数据: 云业
所属分类:
其它
发布日期:2021-01-07
文件大小:61440
提供者:
weixin_38752282
数据挖掘学习笔记(三)
数据分析与数据挖掘的方法 1.频繁模式 频繁模式:数据中频繁出现的模式。 频繁项集:频繁在事务数据集中一起出现的商品集合。 例如,信用卡分析、患者就诊分析、购物车分析… 2.分类与回归 分类与标签预测是找出描述和区分数据类或概念的模型或函数,以便能够使用模型预测类标识未知的对象的类标号。 分类预测类别(离散的、无序的)标号,回归建立连续值函数模型,也就是用来预测缺失的或难以获得的数值数据值。 典型方法:决策树、朴素贝叶斯分类、支持向量机、神经网络、规则分类器、基于模式的分类、逻辑回归… 3.聚类
所属分类:
其它
发布日期:2021-01-06
文件大小:65536
提供者:
weixin_38618819
«
1
2
»