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. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14680064
    • 提供者：hardpen2013

  1. Hands-On Unsupervised Learning Using Python - Ankur A. Patel.pdf

  2. 许多行业专家认为，无人监督学习人工智能的下一个前沿，这可能是人工智能研究的关键，即所谓的一般人工智能。由于世界上大多数数据都没有标记，因此无法应用传统的监督学习;这就是无监督学习的用武之地。无监督学习可以应用于未标记的数据集，以发现埋藏在数据深处的有意义的模式，人类几乎不可能发现这些模式。 作者Ankur Patel使用两个简单的，生产就绪的Python框架 - scikit-learn和使用Keras的TensorFlow，提供了有关如何应用无监督学习的实用知识。通过提供实际操作示例和代码，

  3. 所属分类：深度学习

    • 发布日期：2019-07-26
    • 文件大小：5242880
    • 提供者：zoelva

  1. 量子机器学习算法综述.pdf

  2. 机器学习在过去十几年里不断发展，并对其他领域产生了深远的影响．近几年，研究人员发现结合量子计 算特性的新型机器学习算法可实现对传统算法的加速，该类成果引起了广泛的关注和研究．因此，文中对近十年的 量子机器学习算法进行总结、梳理．首先，介绍了量子计算和机器学习的基本概念；其次，从四个方面分别介绍了量 子机器学习，分别是量子无监督聚类算法、量子有监督分类算法、量子降维算法、量子深度学习；同时，对比分析量 子机器学习算法与传统机器学习算法的区别和联系；最后，总结该领域存在的问题及挑战，并对量子机器学

  3. 所属分类：机器学习

    • 发布日期：2019-08-20
    • 文件大小：2097152
    • 提供者：post123

  1. XXXX建设AIOPS的实施建议.pdf

  2. AIOPS即人工智能化运维，目前在国内外领先的互联网企业开始被逐渐应用，也是近年来国内外被普遍看好并逐步实施的新技术。其核心目的是基于种类齐全的各类静态、动态运维数据，包含但不限于资产类数据、配置管理类数据，系统或应用程序日志类数据、基础设施监控类数据、中间件监控类数据，业务监控类数据、网络流量监控数据等，逐渐通过有监督机器学习、无监督的机器学习的方式，发现、解决常规运维所难以发现或是难以解决的问题，提高运维体系的预警预判能力，保障业务整体稳定性，降低运维的整体成本。根据Gartner提出的规划

  3. 所属分类：讲义

    • 发布日期：2020-02-24
    • 文件大小：1048576
    • 提供者：flairsky

  1. 行为识别系统研究与应用_曹亮.pdf

  2. 行为识别系统被广泛应用于个人健康管理、医疗以及体感娱乐等多个领域，并且行为识 别能够作为感知人当前状态信息，从而成为一种良好的人机交互方式。对行为系统研究不仅 仅局限于学术界对其理论分析，相关企业也对其投入了成本，在当前应用市场上也有诸如“咕 咚”和“微信晒步数”等多款备受用户热爱的应用软件，从而也证明了对行为识别系统的研 究具有重要的应用价值。对行为识别系统的研究起源于使用摄像头进行采集图像信息并基于 计算机视觉技术进行行为识别，到如今利用可穿戴设备以及智能手机上内置的传感器采集数

  3. 所属分类：算法与数据结构

    • 发布日期：2020-02-07
    • 文件大小：4194304
    • 提供者：songzailu6482

  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题，利用电力通信网的带宽和距离作为权值，计算电力通信网节点的多种 评价指标：节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标，利用快速密度聚类方 法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类， 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：403456
    • 提供者：weixin_38743481

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：41943040
    • 提供者：h394266861

  1. 菊安酱的机器学习第1期-k-近邻算法（直播）.pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8

  3. 所属分类：讲义

    • 发布日期：2019-07-27
    • 文件大小：867328
    • 提供者：qiu1440528444

  1. 机器学习概念.pdf

  2. 介绍了机器学习中，监督学习、无监督学习、过拟合，以及采取相关的措施进行处理。6考虑下面样本特征为二维欧式空间点的两分类问题的训练集,分别用最近邻法和三近邻法给出测试样本点(1,1)的 类别 x0011122 1+ 2|+ 2 解:(1)计算距离 (x, y)Distance-(1, 1) (-1,1)Y(-1-12+(1-1)2)=2 (0,1)v(0-1)2+(1-1)^2)=1+ (02)(0-1y2+(2-1)^2)= (1,1)Y(1-1)2+(-1-1)^2)=2 (10)v(1-1)

  3. 所属分类：机器学习

    • 发布日期：2019-07-26
    • 文件大小：448512
    • 提供者：qiu1440528444

  1. 1 新技术篇-机器学习概述.pdf

  2. 机器学习在中国,随着人们物质基础得提升,寿命的增长以及环境的影响,癌症每年正以...以及正在被应用于癌症研究的新技术、新方法,什么是机器学习? 不同的定义: “机器学习是一门人工智能的科学,主 要研究对象是人工智能,特别是如何在 raining Data 经验学习中改善具体算法的性能。” “机器学习是对能通过经验自动改进的 计算机算法的研究。” Random Tuning 机器学习是使用数据或以往的经验 Learning Algorithm 以此优化计算机程序的性能标准 ◇总结如下: 人工智能的

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：621568
    • 提供者：u010461615

  1. wKgADlzIAR6AOIY-AAnHtPtud1w385.pdf

  2. 1. C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是 ID3 算法。 2. K-means 算法：是一种聚类算法。 3.SVM：一种监督式学习的方法，广泛运用于统计分类以及回归分析中 4.Apriori ：是一种最有影响的挖掘布尔关联规则频繁项集的算法。 5.EM：最大期望值法。 6.pagerank：是 google 算法的重要内容。 7. Adaboost：是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把 弱分类器集合起来，构成一个更强的最终分类器

  3. 所属分类：Informix

    • 发布日期：2020-07-05
    • 文件大小：641024
    • 提供者：weixin_46351338

  1. 机器学习实战之分类算法.pdf

  2. 机器学习实战之分类算法，机器学习就是将无序的数据转化为有用的信息。一个实例有 n 个特征，由 n 列组 成。机器学习最主要的任务就是分类，另一个就是回归，回归中比较典型的就是 线性拟合。分类和回归都属于监督学习，因为这类算法必须知道要预测什么，即 已知目标变量的分类信息。与监督学习对应的是无监督学习，此时数据没有类别 信息，也不会给定目标值，将数据集合分成由类似的对象组成的多个类的过程叫 做聚类。将描述数据统计值的过程称之为密度估计。分类首先要进行训练，训练 样本集必须确定目标变量的值，以便发现

  3. 所属分类：互联网

    • 发布日期：2020-12-26
    • 文件大小：1048576
    • 提供者：muguli2008

  1. 有监督机器学习.pdf

  2. PCL学习的电晕库教程

  3. 所属分类：机器学习

    • 发布日期：2021-01-05
    • 文件大小：9437184
    • 提供者：weixin_41994506

  1. ml-algorithms-scikit-and-keras：Scikit-learn和Keras上机器学习算法的实现脚本，适合新手使用。-源码

  2. 使用Scikit的机器学习算法学习和学习 该存储库包含在Scikit-Learn中实现的各种机器学习算法。 在Scikit-Learn和Keras中实现了有监督，无监督，简单强化学习，自然语言处理中的情感分析，有监督的简单深度学习算法，降维，装袋，增强等机器学习算法。 Numpy，Pandas，Matplotlib教程笔记本文件中的Pdf及其实现。 监督学习算法 回归算法 线性回归 多元线性回归 多项式回归 支持向量机 决策树 随机森林 使用正则化评估回归模型 分类算法 逻辑回归 K最近邻居

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：28311552
    • 提供者：weixin_42138788

  1. paper_2021_categorical_feature_encodings-源码

  2. 具有高基数特征的规则化目标编码在有监督的机器学习中优于传统方法 该存储库包含论文“规范化的目标编码在具有高基数特征的受监督机器学习中的性能优于传统方法”的代码和结果。 文件夹和文件的描述： 分析/ ： high_cardinality_benchmark / ： main.R构建包含所有计算作业的batchtools注册表； 源于大多数其他.R脚本 在某些计算群集上运行了作业之后， collect_results.R从注册表中提取结果； 将预处理的结果保存在results.rds中 up

  3. 所属分类：其它

    • 发布日期：2021-04-02
    • 文件大小：2097152
    • 提供者：weixin_42103587