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. MachineLearning:行动中的机器学习学习笔记，一个文件夹代表一个算法，每个文件夹包含算法所需的数据集，原始码和图片，图片放在pic文件夹中，数据集放在在数据文件夹内。书中的代码是python2的，有很多错误，这里代码是我用pyt

  2. 以下是部分实验结果图片 1. K-means（绿色代表聚类中心） 二分K-均值 2.线性回归 线性回归（欠拟合） 局部折射率线性回归（k = 0.01） 局部分辨率线性回归（过拟合，k = 0.003） 3. PCA 红色为原始数据，绿色为降维结果 4.SVM（蓝色标记为支持向量） 线性可分 线性不可分 利用scikit-learn，准确率可达0.9

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：5242880
    • 提供者：weixin_42128558

  1. MachineLearninginR:R for Data Science课程的机器学习作业-源码

  2. 机器学习 R for Data Science课程的机器学习作业在本课程中，我们涵盖了概念和R库，以帮助我们在训练机器学习模型和各种机器学习算法之前处理数据问题。 R markdown文件包含用于在R中训练的机器学习算法的代码。在培训之前，我们被告知要检查的几件事情包括： 通过多次插补缺失值 找出我们的数据是否偏斜，以及如何通过不同的变换（Box-Cox，Tukey，对数，立方/平方根变换，数据归一化/标准化）解决偏斜问题 有效线性回归的假设，探索性数据分析的描述性统计量等我们尝试了以下机器学习

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42165490

  1. Machine-Learning-Library-源码

  2. 机器学习库 表中的内容 关于该项目 分类 无监督学习 理论解释 。 COOLCAT算法用于对分类数据集进行聚类，并且基于熵的概念。 更具体地说，一个类别变量的熵为： 作者假设变量独立，这意味着多元熵等于每个变量的熵之和。 该算法的最小化准则是整个系统的期望熵： 其中$ | C_ {k} | $是群集$ k $的大小，$ | D | $是数据集的大小。 换句话说，算法找到使所有群集的预期熵最小的群集。 为了找到这样的簇，算法经历了两个步骤：初始化步骤和增量步骤。 初始化步骤找到

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：13312
    • 提供者：weixin_42168902

  1. cs4641-python-源码

  2. cs4641-python 该存储库包含针对各种机器学习技术的Python实现，我在乔治亚理工学院CS 4641（机器学习）课程的一部分中从头开始对它们进行了编码。 阅读以下有关每个模型的更多信息： K均值聚类 K均值初始化k个随机聚类中心，并将每个数据点归类为最接近的k个聚类中的任何一个。 在此实现中，我使用成对的欧几里德距离进行聚类，并使用平方误差总和来计算损失。 高斯混合模型 GMM是一种概率模型，它假定可以从有限数量的高斯分布的组合中产生所有数据点。 它是一种软群集算法，可将每个数据点

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：12288
    • 提供者：weixin_42133452

  1. MachineLearning:这就是我所有的机器学习代码-源码

  2. 机器学习 大家好欢迎你们来到我的github这里主要是我在学习机器学习的过程中写下的代码我的参考书目：目前完成的： 1.Kmeans聚类算法实现功能： 1.通过控制参数init_method实现了随机的初始化方法和kmeans ++的初始化方法2.通过控制参数L实现了多种簇间变量3.可视化了最终结果（我使用的测试用例数据特征尺寸都是为2维的，因为可用画图查看，大于2维的特征也可以成功运行，但是只会画前两个尺寸的图像）

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：27648
    • 提供者：weixin_42165490

  1. Cryptocurrencies-源码

  2. 加密货币 分析概述 分析的目的是创建一个报告，其中包含交易市场上的加密货币。 将不同的类别分组以创建此新投资的分类系统。 在分析中，使用无监督学习来处理数据，对数据进行聚类，减小维数并使用PCA减少主成分。 处理数据以适合机器学习模型和聚类算法。 最后，下面显示的数据可视化展示了发现的结果。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：4194304
    • 提供者：weixin_42127783

  1. dsc-k-means-clustering-seattle-ds-102819-源码

  2. K均值聚类 介绍 在本课程中，我们将学习最流行和广泛使用的聚类算法K-means聚类。 目标 你将能够： 比较集群网络的不同方法 解释K-means聚类算法背后的步骤 在scikit-learn中执行k-means聚类 说明如何评估集群 定义一个“肘图”及其解释方法 聚类 聚类技术是最流行的无监督机器学习算法之一。 群集背后的主要思想是，您希望通过以下方式将对象分组到相似的类中： 组内相似度很高（同一组成员之间的相似度很高） 组间相似度低（不同组的相似度低） 相似性是什么意思？ 您应该从

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：2097152
    • 提供者：weixin_42162216

  1. Data_Science_work：这是我在探索该领域时完成的一组数据科学项目-源码

  2. 统计，数据科学，AI和ML 创建该存储库是为了存储我与数据科学领域相关的项目，笔记和学习内容。 它包括使用各种数据科学和机器学习技术执行的项目。 我使用了来自各种开源数据存储库的数据集。 范围：这项工作主要围绕使用各种支持库在python环境中执行这些最新技术进行。 它不涉及算法背后的密集数学。 但是，我在某些笔记本中附加了各种资源链接，以便从概述的角度更好地理解它们。 我坚信，在尝试理解或使用这些笔记本之前，必须对这些技术和背后的算法有充分的了解。 内容 探索性数据分析 机器学习 监督学习

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：3145728
    • 提供者：weixin_42110038

  1. STAT-724：数据科学和机器学习简介-源码

  2. STAT-724 数据科学与机器学习简介 描述： 该课程从统计学的角度概述了数据科学及其核心机器学习模型和算法。 它提供了有关这些方法如何工作以及如何将统计模型应用于分析大型数据集的详细知识。 重点是分类和回归（所谓的监督学习）以及聚类和异常检测（无监督学习）的重要任务。 数据分析友好的方法要求使用良好的统计软件。 Python是目前最流行的Data Science开源脚本语言，将用于分析和建模。 语法和环境将进行足够详细的讨论。 也将提供Python（和R）代码。 必修课本： [ISL

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：58720256
    • 提供者：weixin_42121725

  1. 文件夹-源码

  2. 李Li（Simon Li）的数据科学组合 该产品组合是笔记本的汇编，在其中我探索和分析了机器学习中的数据科学问题。 以下项目分为几个主要类别：教程，kaggle竞赛，回归问题，自然语言处理，神经网络和数据探索。 讲解 Kaggle比赛 回归问题 聚类 KNN数字分类简介 手写数字用于银行支票，医疗应用程序和邮件，但因人而异。 在此项目中，使用K近邻算法将手写数字图像的MNIST数据集分类为0到9之间的数字。 自然语言处理 披萨的随机行为（ROAP） 一个流行的subreddit是比萨

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2048
    • 提供者：weixin_42134117

  1. 机器学习中的聚类算法-源码

  2. 机器学习中的聚类算法

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：738304
    • 提供者：weixin_42146274

  1. Cryptocurrencies_ADominguez：在不确定我们要在数据中寻找什么时，使用机器学习中的无监督算法来帮助探索数据-源码

  2. 描述 无监督机器学习和加密货币。 该项目的目标是以任何能够发现趋势的方式分析加密货币数据集，这些趋势可以帮助说服利益相关者以可承受的价格投资于这些新的加密货币。 我们使用无监督算法深入研究了机器学习，当我们不确定要查找的内容或没有清晰的输出时，仅使用输入数据即可帮助我们探索数据。 我们主要使用K-means算法，K-means算法是主要的无监督算法，可将相似数据分组。 我们在此基础上通过使用主成分分析（PCA）来加快过程，该方法具有许多不同的功能。 情况/任务 使用可以帮助我们发现模式或组的算法

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：1048576
    • 提供者：weixin_42128988

  1. Coursera：课程的测验和作业-源码

  2. Coursera作业 该存储库旨在帮助在学习过程中遇到困难的Coursera学习者。 测验和编程作业属于Coursera，请不要将其用于任何其他目的。 如有任何问题，请随时与我联系，我的电子邮件是 。 经济学院专业化高级机器学习 深度学习导论 Python数据科学导论 Python中的应用机器学习 大数据导论 大数据建模与管理系统 大数据交互与处理 文字检索和搜索引擎 文本挖掘和分析 数据挖掘中的模式发现 数据挖掘中的聚类分析 数据科学家的工具箱 R编程 获取和清理数据 算法工具箱 数据结构 图

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：94371840
    • 提供者：weixin_42118056

  1. datacamp-machine-learning-scikit-learn：作为DataCamp的“使用Python的机器学习Track”轨迹的一部分，我所做的所有工作-源码

  2. 1-监督学习 在本课程中，您将学习如何使用Python执行监督学习，这是机器学习的重要组成部分。 您将学习如何建立预测模型，如何调整其参数，以及如何在使用现实世界数据集的同时始终了解未见数据的性能。 您将使用scikit-learn进行此操作，这是Python最受欢迎和用户友好的机器学习库之一。 Jupyter笔记本 2-无监督学习 无监督学习涵盖了机器学习中的各种技术，从聚类到降维再到矩阵分解。 在本课程中，您将学习无监督学习的基础知识，并使用scikit-learn和scipy实现基本算法。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42163404

  1. 机器学习基础知识：使用Python和scikit-learn来启动和运行机器学习中最热门的开发-源码

  2. 机器学习基础 随着机器学习算法的普及，也正在开发优化这些算法的新工具。 机器学习基础知识介绍了scikit-learn API，这是一个软件包，旨在促进构建机器学习应用程序的过程。 您将学习如何解释监督模型和非监督模型之间的差异，以及如何将一些流行的算法应用于实际数据集。 您将首先学习如何使用scikit-learn的语法。 您将研究监督模型与非监督模型之间的差异，以及为每个数据集选择适当算法的重要性。 您将对现实世界的数据集应用无监督的聚类算法，以发现模式和配置文件，并探索解决无监督的机器学习

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：968704
    • 提供者：weixin_42122878

  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. nba分析：使用机器学习库来分析NBA数据-源码

  2. NBA数据分析 签出已。 概要 传球：根据球员传球数据创建图表，随机游走以模拟前端完成的控球 职位：根据赛季统计数据使用KNearestNeighbors分类器将NBA球员分类为职位 风格：根据比赛类型的频率确定NBA球队和球员的风格 等级：使用高级统计数据的k-means聚类算法将NBA球员分为多个等级 数据 所有数据均摘自 入门 可以使用存储库目录中的pip install -r requirements.txt安装所有所需的库。 使用python setup.py install软件包。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：333824
    • 提供者：weixin_42101237

  1. Arraymancer：Nim中快速，符合人体工程学的便携式张量库，通过OpenMP，Cuda和OpenCL后端深入研究CPU，GPU和嵌入式设备-源码

  2. Arraymancer-一个n维张量（ndarray）库。 Arraymancer是Nim中的张量（N维数组）项目。 主要重点是提供一个快速且符合人体工学的CPU，Cuda和OpenCL ndarray库，可在其上构建科学的计算生态系统。 该库的灵感来自于Numpy和PyTorch，并针对以下用例： 用于数值计算的N维数组（张量） 机器学习算法（如Scikit-learn：最小二乘解算器，PCA和降维，分类器，回归器和聚类算法，交叉验证）。 深度学习 可以在没有机器学习和深度学习组件的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42153793

  1. 机器学习：ML.NET是.NET的开源和跨平台机器学习框架-源码

  2. NET的机器学习 是一个跨平台的开放源代码机器学习框架，它使.NET开发人员可以使用相同的代码访问机器学习，而这些代码可以在许多Microsoft产品（包括Power BI，Windows Defender和Azure）中推动机器学习。 ML.NET允许.NET开发人员开发/训练自己的模型，并使用.NET将自定义机器学习注入到他们的应用程序中，甚至无需事先开发或调整机器学习模型的专业知识。 它提供了从文件和数据库中加载数据的功能，支持数据转换并包括许多ML算法。 ML.NET支持机器学习（M

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：37748736
    • 提供者：weixin_42153793

  1. Python3初学者的机器学习：为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序-源码

  2. Python3初学者机器学习 为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序。只要数据格式和示例的中的一样，程序可灵活调用。 入门篇 线性回归（Linear Regression） 实例： 逻辑回归（Logistic Regression） 实例： Softmax回归（Softmax回归） 实例： Kmeans ++群集（K均值++聚类） 实例： 初级篇 理论推导 实例 北京市Pm2.5预测 成年人收入分类和Mnist手写数字识

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：30408704
    • 提供者：weixin_42138703
« 12 3 »