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. 机器学习线性回归模型

  2. 机器学习线性回归模型，用梯度下降算法实现的线性回归，logistic回归的模型以及实例分析。包含上课时用的PDF、word以及PPT文档

  3. 所属分类：其它

    • 发布日期：2012-05-22
    • 文件大小：3145728
    • 提供者：nancy_m

  1. 斯坦福大学机器学习课程个人笔记完整版

  2. 斯坦福大学机器学习课程个人笔记完整版.pdf 目录 (1)线性回归、logistic回归和一般回归 1 (2)判别模型、生成模型与朴素贝叶斯方法 10 (3)支持向量机SVM（上） 20 (4)支持向量机SVM（下） 32 (5)规则化和模型选择 45 (6)K-means聚类算法 50 (7)混合高斯模型和EM算法 53 (8)EM算法 55 (9)在线学习 62 (10)主成分分析 65 (11)独立成分分析 80 (12)线性判别分析 91 (13)因子分析 103 (14)增强学习 1

  3. 所属分类：专业指导

    • 发布日期：2017-09-04
    • 文件大小：11534336
    • 提供者：gaifertrertre

  1. 斯坦福大学机器学习课程cs229原始讲义

  2. 这是斯坦福大学机器学习课程cs229原始讲义，Andrew Ng教授主讲。该讲义是PDF格式。涵盖了机器学习的主要算法：线性回归、logistic回归、一般回归、k-means、SVM、EM等。

  3. 所属分类：机器学习

    • 发布日期：2017-09-16
    • 文件大小：2097152
    • 提供者：qiaobot

  1. 斯坦福大学机器学习笔记（二）

  2. 这份pdf同步网易公开课的斯坦福吴恩达机器学习视频，主要主要涉及Logistic回归、感知器算法、牛顿法、GLM、指数函数家族、Softmax回归。

  3. 所属分类：机器学习

    • 发布日期：2018-05-31
    • 文件大小：654336
    • 提供者：qq_30091945

  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. 机器学习——Logistic回归.pdf

  2. 本人通过观看吴恩达机器学习视频所记录的笔记，比较潦草，有兴趣的可以看一看。 知识点概要： 1、分类 2、假设陈述 3、决策界限 4、代价函数 5、简化代价函数 6、多元分类

  3. 所属分类：机器学习

    • 发布日期：2020-03-28
    • 文件大小：7340032
    • 提供者：qq_42604176

  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. 斯坦福大学机器学习课程个人学习笔记.zip

  2. 吴恩达机器学习的笔记 非常好的机器学习资料 (Andrew Wu's notes on machine learning are excellent machine learning materials) 文件列表： (1)线性回归、logistic回归和一般回归.pdf (2)判别模型、生成模型与朴素贝叶斯方法.pdf (3)支持向量机SVM（上）.pdf (4)支持向量机SVM（下）.pdf (5)规则化和模型选择.pdf (6)K-means聚类算法.pdf (7)混合高斯模型和EM算法.

  3. 所属分类：机器学习

    • 发布日期：2019-07-07
    • 文件大小：5242880
    • 提供者：zhongrq88

  1. 分类器的logistic回归分析.pdf

  2. 分类器的logistic回归分析，机器学习解决的问题大体上就是两种：数值预测和分类两种问题。从本质上 讲是一样的：都是通过对已有数据的学习，构建模型，然后对未知的数据进行预 测，若是连续的数值预测就是回归问题，若是离散的类标号预测，就是分类问题。

  3. 所属分类：讲义

    • 发布日期：2020-06-12
    • 文件大小：855040
    • 提供者：weixin_42076956

  1. Tutorial_HYLee_Deep.pdf 深度学习讲座

  2. 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 模型评估 46 第四部分 非监督学习 ---聚类与

  3. 所属分类：深度学习

    • 发布日期：2020-07-12
    • 文件大小：11534336
    • 提供者：garryguo2008

  1. Machine-Learning-in-Action:本书取自《机器学习在行动》中的源代码，更正了错误，并根据python 3.X更新了-Source code learning

  2. 行动中的机器学习 本书摘自《机器学习在行动》中的源代码。 ipynb格式和html格式，更正了（以及我自己发现的一些错误），并根据python 3.X更新了。 机器学习在行动.pdf：本书的pdf版本 MLiA_SourceCode.zip：（.py格式） 02用k最近邻居分类[ ] 03一次将数据集拆分为一个特征决策树[ ] 04用概率论分类朴素贝叶斯[ ] 05 Logistic回归[ ] 06支持向量机[ ] 07使用AdaBoost元算法[ ]改进分类 08预测数值回归[

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：76546048
    • 提供者：weixin_42165508