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. Standford 机器学习应用的建议及机器学习系统的设计

  2. Standford 机器学习应用的建议及机器学习系统的设计

  3. 所属分类：专业指导

  1. 大规模机器学习的优化方法

  2. 机器学习很火热，但数据量大时应该如何优化呢，本文档给出了一些合理的建议

  3. 所属分类：讲义

    • 发布日期：2016-07-15
    • 文件大小：1048576
    • 提供者：peterclass

  1. 斯坦福大学Andriew NG教授关于机器学习的讲稿

  2. 想深度了解机器学习可以看看，NG教师给了很多给力的建议和分析。

  3. 所属分类：其它

    • 发布日期：2016-11-22
    • 文件大小：320512
    • 提供者：penglinyu

  1. 斯坦福Ng机器学习课程笔记（中文版）

  2. 【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯

  3. 所属分类：讲义

    • 发布日期：2018-04-14
    • 文件大小：6291456
    • 提供者：difstone

  1. 大数据下的典型机器学习平台综述

  2. 由于大数据海量、复杂多样、变化快,传统的机器学习平台已不再适用,因此,设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化,引出常见的并行计算模型。简单介绍了整体同步并行模型(BSP)、SSP并行计算模型以及BSP、SSP模型与AP模型的区别,主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点,并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平

  3. 所属分类：机器学习

    • 发布日期：2018-06-17
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. 吴恩达机器学习学习笔记

  2. 01 线性回归于梯度下降 ；02 多元线性回归、梯度下降、Normal equation；03 逻辑回归、正则化 ；04 神经网络 ；05 支持向量机 ；06 无监督学习 ；07 大规模机器学习 ；08 应用机器学习的建议、机器学习系统设计 ；09 降维、异常检测、推荐系统 ；10 照片OCR

  3. 所属分类：机器学习

    • 发布日期：2018-08-29
    • 文件大小：26214400
    • 提供者：the_36_story

  1. 机器学习作为定量研究相变的通用工具

  2. 可以将针对给定温度值的给定系统的相识别问题重新构造为机器学习中的分类问题。 以Ising模型为原型，并使用支持向量机作为对Monte Carlo生成的配置进行分类的工具，我们表明可以清楚地识别出系统的关键区域，并且可以根据系统的性能来重建驱动过渡的对称性。 学习过程。 讨论了系统的离散对称性在获得此结果中的作用。 对学习的支持向量机决策函数的有限大小分析，使我们能够确定临界温度和临界指数，其精确度可与依赖于系统的已知哈密顿量描述的最有效数值方法相媲美。 为了确定与相关长度的差异有关的临界温度和临

  3. 所属分类：其它

    • 发布日期：2020-04-07
    • 文件大小：1044480
    • 提供者：weixin_38613154

  1. 独家 | 5个机器学习开源项目来挑战你的数据科学技能！（附链接）

  2. 作者：Pranav Dar 翻译：张达敏 校对：吴振东 本文约3100字，建议阅读10分钟 5个富有挑战性的机器学习开源项目帮你找到2020的正确打开方式，以下机器学习项目涉及多个领域，包括Python编程及自然语言处理。 简介 越来越多的人开始踏入数据科学领域。不管你是应届毕业生、初入职场者，还是有一定相关经验的专业人士，亦或是机器学习的爱好者 – 任何人都想搭上数据科学的快车。 机器学习 https://courses.analyticsvidhya.com/courses/applied-

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：580608
    • 提供者：weixin_38654855

  1. Steam-Game-Recommender:机器学习项目-源码

  2. Steam游戏推荐 机器学习项目 目标是使用LightFM ML库创建推荐系统。 去做： 清除/注释所有代码 构造一个前端网页来查​​询steam_id编号并显示建议 重做powerpoint演示文稿以包括ML结果 吸引更多蒸汽用户以改善整体推荐系统 根据类型，长度，价格，平均投资时间等，构建游戏的项目-项目矩阵。 在有用的地方构建额外的矩阵 到目前为止，我的项目仍需要进行多次抛光。我对这个项目寄予了很高的期望，我相信我可以将它变成有价值的东西，但目前它几乎不能满足项目要求。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42116791

  1. phd:格兰杰因果关系和机器学习方法评估气候与植被的相互作用-源码

  2. 描述 概述 在此存储库中，您可以找到与我的大气物理学博士学位论文相关的所有研究，在这些研究中，我一直使用格兰杰因果关系和机器学习方法来评估南美的气候与植被的相互作用。 Cdlearn 作为该博士项目的一部分，我正在开发一个名为cdlearn的python软件包，用于在因果关系和机器学习框架内分析气候数据。请随时查看，并注意始终欢迎提出建议和更正。 数据分析环境 这里使用的主要数据科学框架基于python语言，该语言是从Ubuntu 18.04 commom计算机上的conda发行版安装的。您可

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：96468992
    • 提供者：weixin_42133329

  1. 将快速傅里叶变换与机器学习集成模型相结合，以支持针对远程医疗环境中心脏病患者的建议

  2. 最近，在远程医疗环境中的临床决策中使用智能技术已开始在改善患者生活质量和帮助减少日常医疗保健的成本和工作量方面发挥至关重要的作用。 本文提出了一种使用快速傅里叶变换耦合机器学习集成模型的有效医学推荐系统，用于短期疾病风险预测，从而为慢性心脏病患者提供有关是否需要接受医学检查的适当建议。在分析他们的医疗数据的基础上进行的第二天。 通过使用快速傅里叶变换来分解基于患者时间序列数据的滑动窗口的输入序列，以提取频率信息。 利用基于套袋的总体模型来提前一天预测患者的病情，以产生最终建议。 结合使用三个分类

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：5242880
    • 提供者：weixin_38564598

  1. 将快速傅立叶变换与机器学习集成模型相结合，以支持针对远程医疗环境中心脏病患者的建议

  2. 将快速傅立叶变换与机器学习集成模型相结合，以支持针对远程医疗环境中心脏病患者的建议

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：3145728
    • 提供者：weixin_38631454

  1. AID:一站式机器学习系统-源码

  2. 援助 协助您的整个AI活动。 ·· AID仍在大量开发中，API可能会发生变化！ 敬请关注。 下一个主要修订版将在Q1,2021中发布。 目录 介绍 AID是专用于机器学习的DevOps系统。 它由以下组件组成： 中号大号achine赚取P ackage中号anager，可以搜索，下载和部署机器学习模型。 仪表板，用于监视已安装服务的状态，触发构建，测试/评估服务。 一个注册表，提供用于通知，安全检查等的插件。 用法 有关更多示例，请参阅。 路线图 有关建议的功能（和已知问题）列表，请参

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：2097152
    • 提供者：weixin_42175971

  1. Trading_Strategies_with_Stock_Data_Updating:在这个项目中，我抓取了选定股票的数据，并应用了各种机器学习模型进行分类并提供每周交易建议-源码

  2. 具有库存数据的数据科学（不断更新） 在此项目中，将刮取选定股票2018年和2019年的数据，并按预定规则将“绿色”或“红色”标签分配给每周。 我们将实现许多机器学习分类器，以预测标签并评估模型性能。 对于这些分类器，我们还将基于标签计算交易策略的绩效。 该项目的主要目的是探索每种机器学习算法的特征，并测试它们在应用库存数据时的表现。 为了更好地理解该项目，我们将介绍几个概念，并说明在这种情况下如何定义它们。 对于库存数据，我们将每周标记为“绿色”或“红色”。 “绿色”周意味着该周（从周五

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：617472
    • 提供者：weixin_42129797

  1. mslearn-dp100:Azure机器学习练习的实验室文件-源码

  2. Azure机器学习实验室练习 该存储库包含Microsoft课程的动手实验练习，等效的。 这些实验旨在与学习材料一起使用，并使您能够练习使用所描述的技术。 您可以在查看实验室练习的说明。 我们在做什么？ 为了支持本课程，我们将需要频繁更新课程内容，以使其与课程中使用的Azure服务保持最新。 我们将在GitHub上发布实验说明和实验文件，以使内容与Azure平台中的更改保持最新。 我们希望这能为实验室带来前所未有的协作感-当Azure发生变化并且您在实时交付期间首先找到它时，请继续提交拉动

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：513024
    • 提供者：weixin_42113456

  1. AutoGL:用于图上机器学习的AutoML框架和工具包-源码

  2. 自动图学习 用于图上机器学习的autoML框架和工具包。 THUMNLab正在积极开发中 随时打开或与我们联系如果您有任何意见或建议，请 ！ 介绍 AutoGL是为研究人员和开发人员开发的，可以对图形数据集和任务快速进行autoML。 请参阅我们的文档以获取详细信息！ 下面的工作流显示了AutoGL的总体框架。 AutoGL使用datasets来维护基于图的机器学习的数据集，该数据集基于PyTorch Geometric中的数据集，并通过自动求解器框架为企业添加了一些支持。 不同的基于图

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：185344
    • 提供者：weixin_42123237

  1. MachineLearningLectures:使用IROSEL学习机器学习-源码

  2. 机器学习讲座 我仍在学习机器学习，为了分享我对机器学习的热情，我决定学习，同时我还将筹办一些可以对以后的人有所帮助的讲座。 我测试您的知识的最佳方法是能够向他人解释。 我真的建议您使用Google回答您想到的每个问题，在跳转代码之前先关注数学背景。 讲座0 ： 讲座1 ：

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：477184
    • 提供者：weixin_42151373

  1. Mar21-synthetic-data:志愿者将与Medic Mobile和Dimagi一起使用机器学习和AI工具来生成和评估合成患者数据，并提供开发和使用建议，以便合作伙伴可以创建对每个人都有效的健康工具-源码

  2. Mar21综合数据 志愿者将与Medic Mobile和Dimagi合作，使用机器学习和AI工具生成和评估合成患者数据，并提供开发和使用建议，以便合作伙伴可以创建对每个人都有效的健康工具。 格蕾特（Gretel）示例 您可以在notebooks文件夹中找到使用gretel API的示例 种子和合成数据集的比较研究 在notebooks文件夹中的Jupyter笔记本。 种子和同步数据的数据分析： Seed_report.html Syn-report.html

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：15728640
    • 提供者：weixin_42132598

  1. machine-learning-interview-enlightener:此仓库旨在作为机器学习AI技术面试的指南-源码

  2. :light_bulb: 机器学习面试的启发性指南 :orange_book: :laptop: :robot: :label: 笔记： 此仓库正在持续开发中，非常欢迎任何反馈和贡献 :smiling_face_with_smiling_eyes: 如果您想贡献，请提出拉动请求并提出建议的更改）。 此回购旨在成为启发性指南，为机器学习/人工智能技术面试做准备。 它是根据我的个人经验和2020年初我自己的ML面试准备中的注释而编写的，当时我收到了Facebook（ML Specialis

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：115712
    • 提供者：weixin_42146086

  1. 在Instacart上进行市场购物篮分析：在像#Amazon这样的流行电子商务网站上购物时，您一定会偶然发现“经常一起购买”等功能，这表明您可能喜欢与您所浏览的产品类似的产品。 此功能是通过使用一种称为“市场篮子分析”的无监督机器学习方法来

  2. 在Instacart上进行市场购物篮分析：在像#Amazon这样的流行电子商务网站上购物时，您一定会偶然发现“经常一起购买”等功能，这表明您可能喜欢与您所浏览的产品类似的产品。 此功能是通过使用一种称为“市场篮子分析”的无监督机器学习方法来实现的。 在引擎盖下，它使用先验算法。 我已经完成了一个探索这种方法的项目。 该项目的目标是：1.对#Instacart创建的数据集进行详细的探索性分析。 2.在数据集中找出产品之间的关联，并就如何应用您的发现提供建议

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_42102220
« 12 3 4 5 6 7 8 9 10 ... 24 »