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. 机器学习算法一览表

  2. 用表格的方式介绍了机器学习常用基本算法， 每个算法都包括：模型、目标、训练方式、防过拟合方法、复杂度等 注：本文件只是一张表格，可打印到A3纸上作为学习参考

  3. 所属分类：专业指导

    • 发布日期：2013-09-09
    • 文件大小：247808
    • 提供者：tofacto

  1. 机器学习算法工程师校招面试题库.pdf

  2. 机器学习算法工程师校招面试题库 涵盖数学基础、机器学习算法、深度学习、自然语言处理、计算机基础项目等。ξ NOWCODER. COM 牛客网一一互联网学习求职必备神器 名企校招历年笔试面试真题,尽在牛客网 可能就问的项日多一些,或者你说哪里精通可能面试官就多去问你这些。而且此图是根据题 库数据整理出来,并不是根据实际单场面试整理,比如基础部分不会考那么多,会从中抽着 考 但是面试中必考的点且占比非常大的有机器学习算法,机器学习和算法。 决定你是否能拿 sp offer(高薪ofer)以及是否

  3. 所属分类：机器学习

    • 发布日期：2019-07-15
    • 文件大小：4194304
    • 提供者：yangyang3401

  1. 实例详解机器学习如何解决问题

  2. 随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还 是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有 侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问 题。我们结合美团在机器学习上的实践，进行一个实战（InAction）系列的介绍（带“机器 学习InAction系列”标签的文章），介绍机器学习在解决工业界问题的实战中所需的基本技 术、经验和技巧。本文主要结合实际问题，概要地介绍机器学习解决实际问题的整个流

  3. 所属分类：机器学习

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

  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：570368
    • 提供者：abacaba

  1. 机器学习教程思维导图.xmind

  2. 机器学习基础教程思维导图，sk-learn库的运用。以Python 语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法

  3. 所属分类：互联网

    • 发布日期：2020-07-09
    • 文件大小：317440
    • 提供者：qq_33703300

  1. 机器学习IntroductiontoStatisticalLearning

  2. 课程主要针对机器学习这个领域，重点介绍了机器学习中的核心算法和理论，使学生通过理论学习掌握机器学习中的经典理论，了解当前最新发展，并学会针对各自学科的具体问题设计算法。具体要求学生掌握支持向量机，人工神经网络、深度学习、强化学习、主成分分析、K-均值聚类和高斯混合模型。同时，课程规划了一系列编程训练，提高同学们应用机器学习解决实际问题的能力。

  3. 所属分类：互联网

    • 发布日期：2020-12-09
    • 文件大小：27262976
    • 提供者：weixin_47550447

  1. 机器学习实战：TensorFlow构建线性回归模型

  2. 在本章中，开始使用简单模型：线性回归来探索 TensorFlow 编程。基于这个例子，我将介绍一些代码基础知识，以及，如何调用学习过程中的各种重要组件，如函数函数或算法梯度下降。 变量之间的关系模型 线性回归是一种用于衡量变量之间关系的统计技术。它的有趣之处在于实现它的算法在概念上不复杂，并且还可以适应各种各样的情况。由于这些原因，我发现用线性回归的例子开始深入研究 TensorFlow 很有意思。 请记住，在两个变量（简单回归）和两个以上变量（多元回归）的情况下，线性回归拟合因变量和自变量之间

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：68608
    • 提供者：weixin_38520258

  1. 机器学习 回归篇（1）——多元线性回归

  2. 机器学习 回归篇（1）——多元线性回归摘要线性回归简介python实现运行结果及可视化 摘要 本文介绍了最基础的回归问题——多元线性回归，并通过python进行实现及可视化展示运行结果。 线性回归简介 线性回归问题的重点在于如何求解回归函数的截距和系数。 1、构建代价函数（也叫损失函数）：平均平方误差。 2、通过最小二乘法或其他优化算法进行求解，因为线性回归的代价函数为凸函数，所以一般的经典优化算法用于求解都是适用的，如梯度下降法、单纯形法等等。 python实现 CyrusLinearRegr

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：63488
    • 提供者：weixin_38691703

  1. 机器学习入门教程1-机器学习简介

  2. 机器学习是一门为了预测某个值而对系统应用算法来学习数据中模式的科学。利用足够的数据，在所有输入变量与待预测值之间建立关系。在给定其他输入变量的情况下，系统更容易预测一个新的值。这种方法不同于传统编程，在传统编程中，应用程序是基于先前设置的规则开发的。虽然机器学习的基本概念已经存在了一段时间，但这一领域最近才迅猛发展，这要归功于先进的处理器和丰富的可用数据，这两者都是实现精确预测的关键。因为介绍机器学习历史的内容很多，所以本文不再赘述。我们在这里为您提供了一种实用的方法来理解必要的概念，帮助您入门

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：659456
    • 提供者：weixin_38534352

  1. UCI-Heart-ML:使用机器学习的心脏病患者数据可视化和预测-源码

  2. UCI-Heart-ML 使用机器学习的心脏病患者数据可视化和预测 介绍 模型总结与方法 材料和方法 数据集 机器学习算法 黄砖 海生 比较和选择可视化模型 数据集的可视化 机器学习算法的可视化 1.逻辑回归 2.决策树 ML预测数据可视化 结论 参考

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：20971520
    • 提供者：weixin_42117340

  1. 机器学习算法总结

  2. 本文来自于网络，本文主要介绍了机器学习领域涉及到很多的算法和模型中一些常见的算法。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。严格的定义：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。由上图所示

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：629760
    • 提供者：weixin_38685961

  1. interpretable-ml-book：关于可解释机器学习的书-源码

  2. 可解释的机器学习 解释机器学习模型的决策和行为。 概括 您可以在此处找到该书的当前版本： : 这本书是关于可解释的机器学习的。 机器学习已嵌入到我们日常生活的许多产品和流程中，但是机器做出的决策并不会自动带有解释。 解释会增加对决策和机器学习模型的信任。 作为算法的程序员，您想知道您是否可以信任学习的模型。 它学习通用功能了吗？ 还是算法在训练数据中发现了一些奇怪的伪像？ 本书将概述可用于使黑匣子尽可能透明并解释决策的技术。 在第一章中，将介绍产生简单的，可解释的模型的算法以及如何解释输出

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：41943040
    • 提供者：weixin_42150360

  1. 机器学习与统计项目：机器学习与统计-项目，数据分析课程，GMIT 2020-2021-源码

  2. 机器学习与统计-项目 机器学习与统计模块，数据分析课程，GMIT 2020-2021 讲师：Ian McLoughlin博士 作者： Andrzej Kocielski ： 电子邮件： 介绍 该存储库存放了我针对2020年高威梅奥理工学院机器学习和统计模块的任务项目。 项目目标 该项目的目标是开发一个Web服务，以使用机器学习（ML）范例进行预测。 该项目的目标是基于提供的数据集发电量来产生一个或多个模型，并通过应用适当的ML技术，预测风力发电机从风中产生的功率输出。 应响应作为HTTP

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：334848
    • 提供者：weixin_42162171

  1. 机器学习：Python机器学习在图像处理和算法实现中的应用，包括期望最大化，因子分析，高斯混合模型，OPTICS，DBSCAN，随机森林，决策树，支持向量机，主成分分析，K最近邻，K Means，朴素贝叶斯混合模型，高斯判别分析，牛顿法，梯

  2. 机器学习 介绍 机器学习是如此别致，每个程序员甚至非程序员都开始学习。 经过几个月的在线课程，每个人都成为了自称为数据科学家。 管理人员寄予厚望，并部署数据科学家来进行机器学习。 很快，人们遇到了死胡同，在虹膜数据集范围之外的事情运行得并不顺利！ 如果您去过我的其他存储库，例如或，您一定已经看到我猛烈抨击机器学习的鲁ck应用。 停止销售AI蛇油！ 不要误会我的意思。 我不是对机器学习持怀疑态度的人。 我看到了机器学习的巨大潜力，但是我对目前对人工智能的高估持怀疑态度，而坦率地说，人工智能已经不在

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2097152
    • 提供者：weixin_42105570

  1. Python-机器学习-zh：Python机器学习，机器学习入门首选-源码

  2. Python机器学习 机器学习，如今最令人着迷的计算机领域（之一）。谷歌，Facebook，苹果，亚马逊，BAT等大公司早已展开了一场关于机器学习的军备竞赛。从手机上的语音助手，垃圾邮件过滤到逛淘宝时的物品推荐，无一不用到机器学习技术。 如果您对机器学习兴趣，甚至是想强迫相关职业，那么这本书非常适合作为你的第一本机器学习资料。城市大部分的机器学习书籍只是告诉你如何推导模型公式甚至就是如何代码实现模型算法，这对于零基础的新手来说，阅读起来相当困难。而这本书，在介绍必要的基础概念后，着重从如何调用机

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42138703

  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. Python工作坊中的机器学习：我的研讨会使用python语言实现不同算法的机器学习-源码

  2. Python工作坊中的机器学习 我的机器学习研讨会使用python语言实现不同算法（伊朗大不里士大学，2017年）。 内容 第1部分：使用现有软件包进行机器学习（第1至5周） 第01周和第02周： Numpy和Matplotlib软件包简介 第03周和第04周：使用Scikit Learn进行监督学习 第05周：使用Scikit Learn进行无监督学习 第2部分：实现我们的机器学习算法和模型（第5周至第10周） 第六周：线性分类 第07周：实现损耗功能（Softmax损耗和SVM损耗）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：37748736
    • 提供者：weixin_42131633

  1. 贝叶斯机器学习：有关贝叶斯机器学习方法的笔记本-源码

  2. 贝叶斯机器学习笔记本 该存储库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过显示了一些笔记本，以确保正确呈现公式。 依赖关系在子目录中的requirements.txt文件中指定。 。 贝叶斯线性回归简介。 用普通的NumPy和scikit-learn实现。 另请参见。 。 高斯回归过程简介。 用普通的NumPy / SciPy以及scikit-learn和GPy实现。 。 高斯分类过程简介。 用普通的NumPy / SciPy以及scikit-learn实现。 。 使用变分方法介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：22020096
    • 提供者：weixin_42165508

  1. ML-NLP：此项目是机器学习（机器学习），深度学习（深度学习），NLP面试中常考到的知识点和代码实现，也是一个算法工程师必会的理论基础知识-源码

  2. 项目介绍 此项目是机器学习，NLP面试中常考到的知识点和代码实现，也是一个算法工程师必会的理论基础知识。 既然以面试为主要目的，亦不可以篇概全，请谅解，有问题可提出。 此项目以各个模块为切入点，让大家有一个清晰的知识体系。 此项目也拿来常读，常记以及面试时复习之用。 每一章里的问题都是面试时有可能问到的知识点，如有遗漏可联系我进行补充，结尾处都有算法的实战代码案例。 思维导图，请关注AIArea公众号并回复：NLP思维导图，即能下载高清大图。 目录 项目持续更新中...... 模块 章节 负责人

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：11534336
    • 提供者：weixin_42120541

  1. 机器学习算法总结

  2. 本文来自于网络，本文主要介绍了机器学习领域涉及到很多的算法和模型中一些常见的算法。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 严格的定义：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：629760
    • 提供者：weixin_38736652
« 12 3 4 5 6 7 8 9 10 »