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. 机器学习十大算法之一 C4.5算法

  2. 机器学习十大算法之一 C4.5算法 pdf 文档

  3. 所属分类：数据库

    • 发布日期：2011-11-21
    • 文件大小：320512
    • 提供者：li_kangkang

  1. Apriori算法在招生决策中的应用研究

  2. 利用机器学习理论和十大经典算法之一的Apiori算法对数据进行训练，以找出有用模式。

  3. 所属分类：数据库

    • 发布日期：2012-04-06
    • 文件大小：4194304
    • 提供者：estherpw

  1. 机器学习算法cart

  2. 机器学习十大算法之一，cart决策树，数据挖掘用的

  3. 所属分类：C/C++

    • 发布日期：2012-09-13
    • 文件大小：559104
    • 提供者：hema55

  1. 你需要Spark的10个理由

  2. 你需要Spark的十大理由： 1，Spark是可以革命Hadoop的目前唯一替代者，能够做Hadoop做的一切事情，同时速度比Hadoop快了100倍以上： Logistic regression in Hadoop and Spark 可以看出在Spark特别擅长的领域其速度比Hadoop快120倍以上！ 2，原先支持Hadoop的四大商业机构纷纷宣布支持Spark，包含知名Hadoop解决方案供应商Cloudera和知名的Hadoop供应商MapR； 3，Spark是继Hadoop之后，成

  3. 所属分类：虚拟化

    • 发布日期：2014-09-22
    • 文件大小：27648
    • 提供者：javaniceyou

  1. BOOSTING分类器

  2. Boosting, 也称为增强学习或提升法 , 是一种重要的集成学习技术 , 能够将预测精度仅比随 机猜度略高的弱学习器增强为预测精度高的强学习器 , 这在直接构造强学习器非常困难的 情况下 , 为学习算法的设计提供了一种有效的新思路和新方法 . 作为一种元算法框架 , Boosting 几乎可以应用于所有目前流行的机器学习算法以进一步加强原算法的预测精度 , 应用十分广泛 , 产生了极大的影响 . 而 AdaBoost 正是其中最成功的代表 , 被评为数据挖掘 十大算法之一

  3. 所属分类：专业指导

    • 发布日期：2015-03-20
    • 文件大小：515072
    • 提供者：yinghuochong819

  1. 最大似然与EM算法

  2. 从最大似然到机器学习十大算法之一的EM算法

  3. 所属分类：讲义

    • 发布日期：2016-02-23
    • 文件大小：492544
    • 提供者：qq_26968195

  1. 十大算法之一EM算法

  2. 机器学习，数据挖掘，用R语言进行解决，有利于初学者。

  3. 所属分类：算法与数据结构

  1. KNN文本聚类代码

  2. 利用十大经典机器学习算法之一的KNN（K近邻）算法，实现文本自动聚类。

  3. 所属分类：机器学习

    • 发布日期：2019-01-14
    • 文件大小：2048
    • 提供者：weixin_44499667

  1. SVM实现文本分类代码

  2. 利用十大经典机器学习算法之一的SVM（支持向量机）算法，实现文本分类，用于自然语言处理。

  3. 所属分类：机器学习

    • 发布日期：2019-01-14
    • 文件大小：7168
    • 提供者：weixin_44499667

  1. 罗兰贝格中国人工智能创新应用白皮书.pdf

  2. 在全球人工智能发展的浪潮下，市场对人工智能的 投入与期望空前巨大，正确理解人工智能目前的应 用能力、发展状态以及与市场预期间的距离，成为了 各行业企业的重要任务之一。此份独立报告为各行 业企业在人工智能方向上的布局与行动举措提供了 参考信息与建议，同时也为人工智能企业在具体行 业发展方向的选择上提供了参考。中国人工智能创新应用白皮书 执行总结 今年7月,国家发布了新一代人工智能发展规划,将在价值链各环节上的商业应用案例。其次,企业需 中国人工智能产业的发展推向了新高度。人工智能要评估在组织、数据

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：2097152
    • 提供者：iceberga

  1. 机器学习算法--k 近邻法.pdf

  2. 机器学习算法中，常见的十大算法之一，k 近邻法算法，资料是一个PDF文件，有原理，案例，解说。

  3. 所属分类：机器学习

    • 发布日期：2019-07-24
    • 文件大小：1048576
    • 提供者：qq_41204464

  1. 美国2019：国家人工智能战略（中英双语）-2019.6-101页(8).pdf

  2. 国家人工智能研发战略计划： 2019年更新为联邦政府资助的人工智能研究制定了一系列 目标，确定了以下八个战略重点： 策略1：对人工智能研究进行长期投资。优先考虑对下一代人工智能的投资，这将推动发现和 洞察，并使美国成为人工智能的世界领导者。战略2：为人工智能协作开发有效的方法。增加 对如何理解 创建有效补充和增强人类能力的AI系统。 策略3：理解并解决人工智能的道德，法律和社会影响。通过技术机制研究人工智能系统，包 括道德，法律和社会问题。 策略4：确保AI系统的安全性。了解如何设计可靠，可靠，

  3. 所属分类：机器学习

    • 发布日期：2019-09-04
    • 文件大小：1048576
    • 提供者：chentaotongxue

  1. 生成对抗网络（GANs）最新家谱：为你揭秘GANs的前世今生

  2. 生成对抗网络（ AN）一经提出就风光无限，更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知，但正如卷积神经网络（CNN）一样，GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片

  3. 所属分类：深度学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. 【机器学习算法】手动Python实现KNN分类算法，并用iris数据集检验模型效果

  2. 目录一、KNN算法Python实现1、导入包2、 画图，展示不同电影在图上的分布3、训练样本和待测样本准备4、计算待测样本点到每个训练样本点的距离5、查找离待测样本点最近的K个训练样本点的类型6、找出数量最多的类7、写成自定义函数二、鸢尾花（iris）数据集测试1、导入包2、导入数据，划分数据集3、调用写好的KNN函数，并计算查准率、查全率和混淆矩阵 KNN是机器学习十大算法之一，因为原理很好理解，有一句话：“Talk is cheap.Show me the code.” 所以用Python来

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：142336
    • 提供者：weixin_38616033

  1. 【K近邻（KNN）算法（一）】KNN的概念

  2. 文章目录K-最近邻算法1.算法介绍2.算法公式（1）分类（2）回归（不好，可以不看）（3）L1和L2范数距离L1范数距离(曼哈顿距离):L2范数距离(欧几里得距离):闵可夫斯基（knn中使用）3.K值选择举例 K-最近邻算法 1.算法介绍 属于有监督学习，知道可能的结果。属于多分类算法。K NearestN eighbors算法又叫K – NN算法，这个算法是机器学习里面一个比较经典的算法，总体来说K – NN算法是相对比较容易理解的算法。十大机器算法之一。 定义 如果一个样本在特征空间中的 个

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：308224
    • 提供者：weixin_38718307

  1. 数据科学家最常用的十大机器学习算法

  2. 在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。打个比方，如果你想打扫房子，你可能会用到吸尘器、扫帚或者拖把，但你肯定不会拿把铲子开始挖

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：826368
    • 提供者：weixin_38562626

  1. 数据科学家最常用的十大机器学习算法

  2. 在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。打个比方，如果你想打扫房子，你可能会用到吸尘器、扫帚或者拖把，但你肯定不会拿把铲子开始挖

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：826368
    • 提供者：weixin_38589812