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. boston.csv数据集

  2. 机器学习boston.csv数据集。1993个样本，采集的是波士顿郊区的房价，每个样本包括13个变量和该地区的平均地价。

  3. 所属分类：机器学习

    • 发布日期：2018-03-16
    • 文件大小：31744
    • 提供者：qq_34470213

  1. 波士顿房价决策树python编码

  2. 波士顿房价机器学习作业python编码，策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：3072
    • 提供者：qq_32900573

  1. 机器学习基础Boston House Price数据集

  2. 波士顿房价数据集，整合好的，网站上原文档出现乱码，这个不会乱码

  3. 所属分类：机器学习

    • 发布日期：2018-09-09
    • 文件大小：34816
    • 提供者：weixin_40969980

  1. 波士顿房价预测 数据集data.rar

  2. 人工智能，机器学习最好的案例，数据集真实有效 波士顿房价预测 数据集 多元线性回归模型-最好的数据集

  3. 所属分类：机器学习

    • 发布日期：2019-10-20
    • 文件大小：10240
    • 提供者：weixin_37647148

  1. 波士顿房价预测文档说明.docx

  2. 波士顿房价预测 数据集data.rar-机器学习文档类资源 人工智能,机器学习最好的案例,数据集真实有效波士顿房价预测 数据集多元线性回归模型

  3. 所属分类：算法与数据结构

    • 发布日期：2020-05-25
    • 文件大小：276480
    • 提供者：u014044931

  1. 机器学习:波士顿房价数据集

  2. 该数据集是一个回归问题。每个类的观察值数量是均等的，共有 506 个观察，13 个输入变量和1个输出变量。 每条数据包含房屋以及房屋周围的详细信息。其中包含城镇犯罪率，一氧化氮浓度，住宅平均房间数，到中心区域的加权距离以及自住房平均房价等等。

  3. 所属分类：互联网

    • 发布日期：2020-10-28
    • 文件大小：40960
    • 提供者：a924382407

  1. 机器学习实验(Lasso求解算法预测波士顿房价)实验报告和代码

  2. 1.自编 Lasso 算法，求解方法不限（最小角度规划和快速迭代收缩阈值 FIST 或者其他），说明采用的是何种类型求解方法。2.基于波士顿房价数据集，采用自编 Lasso 算法预测波士顿房价。共 506 个样本，前一半样本作为训练集，后一半样本作为测试集。给出模型在 RMSE 指标上的表现。3. 使用 scikit-learn 实现的回归算法（至少 3 种）来预测波斯顿房价，并对比结果。

  3. 所属分类：讲义

    • 发布日期：2020-11-25
    • 文件大小：1048576
    • 提供者：qq_41894686

  1. 项目4-源码

  2. 项目总结 该项目已提供了预训练的sklearn模型。 Sklearn经过培训，可以根据几种功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路通行性的数据，师生比等等。 该项目的目标是使用kubernetes来运行这种工作的机器学习微服务，这是一个用于自动化容器化应用程序管理的开源系统。 在该项目中，预期将完成以下任务。 使用linting测试项目代码完成Dockerfile以对该应用程序进行容器化使用Docker部署容器化的应用程序并进行预测改进此应用程序的源代码中的日志语句配置Kub

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：223232
    • 提供者：weixin_42148975

  1. 机器学习微服务API的可操作性：使用kubernetes操作机器学习微服务-源码

  2. 机器学习微服务API的可操作性 该项目是Udacity Cloud Devops纳米学位计划的一部分。 在该项目中，部署了一个容器化的Flas应用程序，以通过API调用提供有关房价的预测。 使用经过训练的sklearn模型，可根据多种功能预测波士顿的住房，例如房屋中的平均房间和有关高速公路通行性的数据，师生比等。 项目程序 使用Linting测试项目代码 完成一个Dockerfile来容器化此应用程序 使用Docker部署容器化应用程序并做出预测 配置Kubernetes并创建Kubernete

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：224256
    • 提供者：weixin_42162978

  1. 波士顿房屋价格预测使用回归：用于波士顿房屋价格预测的机器学习网络应用-源码

  2. 波士顿房屋价格预测使用回归 这是一个使用波士顿住房数据集的预测房价的应用机器学习项目。 文件夹“笔记本”包含文件linearRegression.ipynb，pymachineproject.ipynb，RandomForrestRegressor.ipynb。 这些Jupyter Notebook文件包含预处理后在波士顿房屋数据集上分别用于训练，评估和最终测试机器学习模型“线性回归”，“ XGBoost回归”，“ Randomforrest回归”所需的全部代码。 File app.py包

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：985088
    • 提供者：weixin_42140625

  1. 教程：机器学习教程和基础知识-源码

  2. 讲解 1. Python基础知识 งร้าง向量，矩阵 索引编制 บวก，ลบ，คูณ，หาร操作 运算สำหรับ矩阵（线性代数函数） หาค่าทางสถิติต่างง 重塑 การสุ่มค่า 方法ที่ใช้บ่อยในRE 角色พิเศษที่ใช้บ่อยในRE 示例用例 交叉表 通过...分组 2.机器学习 2.1基础 推土机蓝皮书 预测一件重型设备的拍卖销售价格，以为推土机创建一本“蓝皮书”。 -波士顿房价数据集 2.2库存预测 stock_list = [ '

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：14680064
    • 提供者：weixin_42130786

  1. 波士顿房屋价格预测：波士顿房屋价格预测-源码

  2. 波士顿房屋价格预测 名称 日期 BM Shahrier Majumder 2019年3月16日 资源资源 Python脚本boston_houseing.py用于分析 结果图保存在plots文件夹中 用于在任何操作系统中运行脚本的Dockerfile RUNME.md用于指导运行python脚本 研究问题 预测波士顿房价的最佳模型是什么？ 抽象 机会：数据来自真实的生存 挑战：收集了1078个数据，仅506个条目和14个功能 行动：将利用统计分析和机器学习模型来获得答案 解决方法：我将找到最

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：891904
    • 提供者：weixin_42130862

  1. boston_housing：我们将基本的机器学习概念应用于马萨诸塞州波士顿地区的房价数据，以预测新房的售价-源码

  2. 预测波士顿房价 根据统计数据获得最佳模型，以估算客户房屋的最佳价格。 目的 在这个项目中，我们将基本的机器学习技术应用于马萨诸塞州波士顿市房屋价格的累积数据。 我们主要对新房的售价做出预测。 首先，我们对数据进行区分以获得有关数据集的实质特征和描述性统计信息。 其次，我们将数据适当地分为测试和培训子集，并为主要问题确定了方便的性能指标。 然后，我们研究了具有交替参数和训练数据集大小的学习算法的效率图。 这使我们能够选择最佳模型，对隐藏数据进行最佳概括。 最后，我们测试了在新样本中找到的最优模型，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：157696
    • 提供者：weixin_42116596

  1. 机器学习ND：Udacity机器学习纳米学位的回购-源码

  2. 机器学习 Udacity机器学习纳米项目的回购 项目：泰坦尼克号生存探索 描述： 在这个项目中，我创建了决策函数，试图根据每个乘客的特征（例如性别和年龄）来预测1912年泰坦尼克号灾难的生存结果。 我从一个简单的算法开始，然后增加它的复杂性，直到我能够在所提供的数据中准确预测至少80％的乘客的结果。 项目：预测波士顿住房价格 描述： 在这个项目中，我将基本的机器学习概念应用于马萨诸塞州波士顿地区的房价数据，以预测新房的售价。 我首先探索数据以获得有关数据集的重要功能和描述性统计信息。 接下来

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：136314880
    • 提供者：weixin_42116650

  1. Midterm-Project:先进应用机器学习中期项目-源码

  2. DATA 410高级应用机器学习中期项目 在此项目中，我们将在分析波士顿房屋价格数据集时执行正则回归，逐步回归，核回归，随机森林，XGBoost算法和深度学习方法。正则回归包括Ridge，LASSO，Elastic Net，SCAD和Square Root LASSO回归。内核回归包括高斯，三次，四次和Epanechnikov内核。在超参数调整过程中，我们将在适用的地方使用粒子群优化。最后，我们将列出预测房价和测试组房价之间的5位数验证平均绝对值，并比较我们在该项目中应用的每种技术的性能。 一般

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：6144
    • 提供者：weixin_42153801