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. classification-project:这个仓库将保存我的分类项目-源码

  2. 预测电信公司的客户流失 关于该项目 Codeup数据科学团队想了解为什么电信公司Telco的客户不断涌现。该项目的目标包括： 识别功能以了解客户为何离开公司。 寻找客户流失的驱动因素。 在整个数据科学管道中记录过程和进行分析。 构建机器学习分类模型，以尽可能准确地预测未来的客户流失。 可交付成果： 包含整体项目信息的README.md文件。 详细介绍了创建模型和预测的过程。 用于和各个模块，具有收集和准备数据的功能。 最终的其中包含customer_id，客户流失的可能性以及客户流失的预测。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：978944
    • 提供者：weixin_42121412

  1. Disaster-Response-Pipelines:机器学习+熊猫+ SQL-源码

  2. 灾难响应管道 在这个项目中，有监督的机器学习是通过大型标签数据库实现的。 目录 操作说明 在项目的根目录中运行以下命令来设置数据库和模型。 运行ETL管道以清理数据并将其存储在数据库中python data/process_data.py data/disaster_messages.csv data/disaster_categories.csv data/DisasterResponse.db 运行用于训练分类器并保存python models/train_classifier.py d

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：11534336
    • 提供者：weixin_42151305

  1. react-ml-app:机器学习示例应用-源码

  2. react-ml-app 我的这个宠物项目是如何创建在浏览器中运行的隐私优先的机器学习应用程序的端到端示例。 它演示了如何使用fastai训练PyTorch模型，将其导出为ONNX格式并在React应用程序中使用onnx.js在浏览器中运行它。 目标 因为我是爱狗的人（对不起猫的朋友，但是您可以轻松地训练自己的分类器模型并为猫的品种构建一个应用程序！），所以我的目标是创建一个简单，功能齐全且逼真的React应用程序，以对狗的品种进行分类使用狗的形象。 该应用程序应该易于使用，因此，当我对遇到的

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：44040192
    • 提供者：weixin_42164931

  1. FaceRecognition：探索几种用于面部识别和分类的机器学习算法！ :)-源码

  2. 探索几种用于面部识别和分类的机器学习算法！ :) 查看Jupyter Notebook和Figures了解更多详细信息（我保证您不会失望）

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：2097152
    • 提供者：weixin_42125826

  1. 机器学习分类车间：3-4小时的分类入门讲习班的内容和练习-源码

  2. 机器学习分类车间：3-4小时的分类入门讲习班的内容和练习

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：19922944
    • 提供者：weixin_42124497

  1. 青柠：青柠：解释任何机器学习分类器的预测-源码

  2. 酸橙 该项目旨在说明机器学习分类器（或模型）的功能。 目前，我们支持使用称为lim的程序包（对本地可解释的模型不可知的解释的简称）来解释针对文本分类器或作用于表（数字或分类数据的numpy数组）或图像的分类器的各个预测。 石灰是基于提出的工作（）。 这是促销视频的链接： 我们的计划是添加更多软件包，以帮助用户理解机器学习并与之进行有意义的交互。 Lime可以解释具有两个或更多类的任何黑匣子分类器。 我们所需要的就是分类器实现一个函数，该函数接收原始文本或numpy数组，并为每个类输出概率。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：9437184
    • 提供者：weixin_42160398

  1. 手写数字分类器：在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在该项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字-源码

  2. 手写数字分类器 在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在这个项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：23552
    • 提供者：weixin_42129300

  1. 机器学习分类-源码

  2. 机器学习分类

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：203776
    • 提供者：weixin_42143161

  1. kardia：机器学习预测死亡率-源码

  2. 卡迪亚 机器学习可预测心力衰竭患者的死亡率 关于该项目 用于医生和心力衰竭患者预测心力衰竭患者死亡率的支持工具。 该平台利用数据科学和机器学习算法对心力衰竭进行分类，以判断患者能否存活，从而使相应的医护人员和患者面临分层风险并承担由人工智能系统支持的死亡率，因此他们可以跟进相应的治疗。 动机 一些事实： 每年全球约有1800万人死于心血管疾病，主要表现为心力衰竭 它是全球所有死亡人数的31％ 心血管疾病是全球第一大死亡原因 心血管健康很重要！ 用法 数据集 此项目使用的数据集是Tanvir

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：614400
    • 提供者：weixin_42118056

  1. ML_Mini_Projects：Springboard的机器学习迷你项目-源码

  2. ML_Mini_Projects Springboard的机器学习迷你项目 该存储库包含四个由通用ML方法组成的机器学习微型项目。 以下是每个项目的简短说明： 线性回归：以波士顿住房数据为例说明线性回归模型。 Logistic回归：关于体重-身高数据的性别分类示例。 朴素贝叶斯：使用多项朴素贝叶斯对电影分级进行文本分析。 Clusternig：基于客户对营销能力的响应的K-Means算法，用于客户聚类。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42122432

  1. 32005年机器学习评估2-源码

  2. 分类和回归（CART）决策树算法的实现 该存储库展示了IRIS数据集上CART决策树算法的实现。 CART使用在每个节点处产生最大信息增益的属性和阈值构造二叉树。 贪婪算法会识别属性（例如“ petal_length”）上的分割，该分割对于给定的杂质标准（例如，熵或基尼）会导致最大的信息增益（IG）。 确定拆分后，树将递归添加子节点，直到无法获得更多信息。 在实现中包括修剪树的方法，以限制决策树的复杂性并减少过度拟合。 还包括一种打印方法，以帮助查看输出预测。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：5120
    • 提供者：weixin_42099936

  1. 机器学习的挑战-源码

  2. 机器学习作业-系外行星探索 在你开始之前 为此项目创建一个新的存储库，称为machine-learning-challenge 。 不要将此作业添加到现有存储库中。 将新的存储库克隆到您的计算机。 给每种型号选择自己的Jupyter笔记本，每个笔记本不要使用多个型号。 将最佳模型保存到文件中。 这将是用于测试您的准确性和用于评分的模型。 提交您的Jupyter笔记本和模型文件，并将其推送到GitHub。 笔记 请记住，此作业是可选的！ 但是，如果您完成测试和调整不同的分类模型，您将获得更

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：703488
    • 提供者：weixin_42131352

  1. 专利分类使用受监督的机器学习和BERT-源码

  2. 专利分类使用受监督的机器学习和BERT

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：26214400
    • 提供者：weixin_42132352

  1. bugbug：软件工程上的机器学习项目平台-源码

  2. 虫子 Bugbug旨在利用机器学习技术来帮助进行bug和质量管理以及其他软件工程任务（例如测试选择和缺陷预测）。 在矩阵室与我们聊天。 有关Mozilla Hacks博客的更多信息： 分类器 受让人-此分类程序的目的是为错误建议合适的受让人。 回退-此分类器的目的是检测可能更容易回退的补丁（由于构建或测试失败）。 它可以用于测试优先级/计划目的。 bugtype-此分类器的目的是根据错误的类型对其进行分类。 标签是从错误中自动收集的：现在它们是“崩溃/内存/性能/安全性”。 计划是

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：530432
    • 提供者：weixin_42131013

  1. Molecular_classification：“用于化学的Auto-sklearn”-训练并运行用于分子分类任务的机器学习分类器-源码

  2. 分子分类 “ 用于化学”。 总览 训练并运行机器学习的分类器以执行分子分类任务； 例如，预测QSAR项目中的溶解度，雾化能或生物亲和力等属性。 总体目的是“将任何易于计算的东西扔到墙上，看看有什么东西粘在上面”。 分子以字符串的形式输入。 根据这些，可以使用计算不同类型的指纹（固定大小的向量）。 模型训练基于基于或分类。 更先进的表示（例如，图形回旋）或ML模型（例如，深层神经网络）不被支持。 但是，该软件包会针对支持的模型类型自动进行超参数优化。 该项目提供了两个脚本： train_mo

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：169984
    • 提供者：weixin_42153615

  1. 学习：数据是石油的未来，挖掘数据的潜在价值非常有意义。 这个图书馆记录了我的机器学习之路-源码

  2. 深度学习演示 奇妙清单 1. 2.（感谢北京大学张志华团队的翻译工作，中文版点击） 一，记录深度学习例子： 名称 目录 咖啡 TensorFlow 茶野 凯拉斯 二，记录历程点滴： 掌握机器学习相关的概念和计算公式，包括有/无/半监督学习，强化学习，分类/回归/标注，聚类；训练集/验证集，交叉验证，测试集；数据预处理，正则化，归一化；损失函数，经验风险最小化，结构风险最小化，最优化算法；训练误差，泛化误差，欠拟合，过拟合；准确率，召回率，F1值，ROC和AUC； 掌握机器学习主流的模型及其

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：55574528
    • 提供者：weixin_42131633

  1. MLgenerator：MLgenerator是一个网络应用程序，可帮助您轻松生成机器学习入门代码-源码

  2. MLGenerator：机器学习代码生成器 一个网络应用程序，用于为不同的机器学习任务生成代码。 它是在我业余时间学习时开发的，其主要动机是通过入门代码帮助机器学习入门。 试用MLGenerator： ://ml-generator.herokuapp.com MLGenerator是简单的基于Web的机器学习入门代码生成器，使用构建。 您可以为不同的机器学习算法/任务（例如回归，分类，聚类和异常（异常值）检测）构建自定义的入门代码。 MLGenerator针对不同的任务使用了广泛使用

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42175776

  1. MLatImperial2017：由Yandex SDA组织的帝国理工学院机器学习课程材料-源码

  2. 机器学习，帝国理工学院伦敦2017 帝国理工学院组织了为期两周的深度机器学习课程。 包含理论和实践得多！ 主要议题： python，科学python（numpy，scipy，matplotlib） 用于数据科学的python（pandas，sklearn） 公制模型 线性模型 基于树的模型和合奏，特别是增强 降维 张量计算和神经网络（theano和keras） 挑战性 在此过程中面临两个挑战： 餐馆评论分类 B介子的风味标记

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：99614720
    • 提供者：weixin_42168830

  1. model-deployment-flask：为HyperionDev编写的“使用Flask API部署机器学习模型”教程-源码

  2. 为编写的教程“使用Flask API部署机器学习模型”的源代码。 在本教程中，我们采用model.py中内置的图像分类模型，该模型可以识别Google Street View门牌号。 使用Flask创建API，我们可以部署此模型并创建一个简单的网页来加载和分类新图像。 要在本地运行： 安装pip和Python 3 克隆此存储库git clone https://github.com/elliebirbeck/model-deployment-flask.git 导航到工作目录cd mo

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：120832
    • 提供者：weixin_42169674

  1. 带有Python的机器学习工具包：使用Python的机器学习工具包-源码

  2. 带有Python的机器学习工具包 实用的Python机器学习工具包 评估回归模型的性能（MAE与MSE） 通常，MSE或RMSE不仅用作回归模型的损失函数，而且还用于评估这种模型的性能。 但是，有些人声称MSE不是衡量平均模型性能的合适方法。 “我们的发现表明，MAE是更自然的平均误差度量，并且（与RMSE不同）是明确的”（Willmott和Matsuura 2005） “相反，评估模型性能通常需要结合指标，包括但不限于RMSE和MAE，”（Chai和Draxler，2014年）-相关论文

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：8388608
    • 提供者：weixin_42150360
« 12 3 4 5 6 7 8 9 10 ... 47 »