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. 机器学习的知识结构

  2. 机器学习是模拟人类学习活动过程来完成进行学习。本文通过分析机器学习系统在学习过程对知识的使用特点，提出将机器学习系统中知识库里的知识分为样本特征知识 ，操作性知识和推理性知识三个方面；并根据它们在学习过程中的作用，讨论了这三方面知识之间的关系

  3. 所属分类：其它

    • 发布日期：2013-01-04
    • 文件大小：123904
    • 提供者：zys800228

  1. 机器学习10大算法

  2. 机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。

  3. 所属分类：专业指导

    • 发布日期：2013-03-24
    • 文件大小：153600
    • 提供者：zkupchust

  1. 介绍一个牛人的机器学习PPT

  2. Andrew Ng，斯坦福大学教授，同时也是Google公司某个机器学习项目的负责人，再同时，他就是那个“Google猫脸识别”的创造者。什么？你没听说过前段时间媒体上很火热的“Google猫脸识别”？赶紧Google吧；此人在人工智能领域造诣颇深，最近几年的研究兴趣主要在无监督学习、深度神经网络、深度学习方面，笔者要介绍的这个PPT也是关于这方面的，有兴趣的朋友请自己去下

  3. 所属分类：C++

    • 发布日期：2014-04-28
    • 文件大小：2097152
    • 提供者：jianxi602

  1. 机器学习 习题答案

  2. 机器学习 习题答案 2.6 完成变型空间表示定理的证明（定理2.1） 定理2.1：变型空间表示定理 领X为一任意的实例集合，H为X上定义的布尔假设的集合。令c：X{0,1}为X上定义的任一目标概念，并令D为任一训练样例的集合{}。对所有的X，H，c，D以及良好定义的S和G： 证明：对VSH，D中任一h： ①当h∈S时，取s＝h，则有h≥gs成立 ②当hS时，即 (h1H）[(h>gh1)∧Consistent(h1,D)] 若h1S，显然h≥gs成立；

  3. 所属分类：讲义

    • 发布日期：2014-12-09
    • 文件大小：122880
    • 提供者：wadefk

  1. 机器学习经典算法

  2. 常见的机器学习经典算法；搜索自网上，使用xmind进行总结；

  3. 所属分类：互联网

    • 发布日期：2015-04-03
    • 文件大小：248832
    • 提供者：myfreelib

  1. 机器学习讲义（Andrew Ng）

  2. stanford大学机器学习课程同步讲义； 机器学习大师Andrew Ng的讲义

  3. 所属分类：讲义

    • 发布日期：2016-03-16
    • 文件大小：1048576
    • 提供者：sunnyxiaohu

  1. 目标检测 机器学习方法 静态场景 测试车辆检测

  2. 利用机器学习方法（分类）实现静态场景下的测试车辆检测  利用C语言或者Open_CV库，或者是MATLAB软件编写实现静态场景下的测视车辆检测。需使用机器学习方法。代码可以通过一个主函数直接运行出实验结果。  Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）； Test文件夹中的数据用于测试。  在Test测试集中的总体

  3. 所属分类：讲义

    • 发布日期：2017-02-14
    • 文件大小：9437184
    • 提供者：u012863603

  1. 机器学习知识体系

  2. 机器学习知识体系，机器学习初学者无从下手，可以参考本文，从基础知识开始，一步一步掌握机器学习；需要那些尽量少的数学知识，才能进入机器学习的开端。

  3. 所属分类：机器学习

    • 发布日期：2017-09-13
    • 文件大小：136192
    • 提供者：sunlovestar

  1. 机器学习个人笔记

  2. 吴恩达课程笔记！主要介绍了机器学习！00000000000000

  3. 所属分类：机器学习

    • 发布日期：2017-10-26
    • 文件大小：11534336
    • 提供者：guanzhen581

  1. 斯坦福大学机器学习课程讲义

  2. 机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年，机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍，您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能（AI）取得进展的最有效途径。在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。最后，您将了

  3. 所属分类：机器学习

    • 发布日期：2017-11-07
    • 文件大小：5242880
    • 提供者：fantastikman

  1. 机器学习个人笔记完整版v4.21

  2. 斯坦福大学 2014 机器学习教程中文笔记：本课程ᨀ供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他

  3. 所属分类：机器学习

    • 发布日期：2017-12-20
    • 文件大小：10485760
    • 提供者：weixin_37562521

  1. BAT机器学习面试1000题系列

  2. 1、本文的内容全部来源于七月在线发布的BAT机器学习面试1000题系列； 2、文章中带斜体的文字代表是本人自己增加的内容，如有错误还请批评指正； 3、原文中有部分链接已经失效，故而本人重新加上了新的链接，如有不当，还请指正。（也已用斜体标出） 4、部分答案由于完全是摘抄自其它的博客，所以本人就只贴出答案链接，这样既可以节省版面，也可以使排版更加美观。点击对应的问题即可跳转。 最后，此博文的排版已经经过本人整理，公式已用latex语法表示，方便读者阅读。同时链接形式也做了优化，可直接跳转至相应页

  3. 所属分类：机器学习

    • 发布日期：2018-03-29
    • 文件大小：19922944
    • 提供者：sinat_35512245

  1. 机器学习经典算法实现代码

  2. 机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。

  3. 所属分类：机器学习

    • 发布日期：2018-03-31
    • 文件大小：552960
    • 提供者：hujian198681

  1. 斯坦福大学机器学习视频笔记

  2. 机器学习斯坦福大学公开课视频笔记，包括10周18节课涉及（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的佳实践（偏差/方差理 论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2018-04-03
    • 文件大小：11534336
    • 提供者：thea_1207

  1. 机器学习个人笔记完整版v4.21

  2. 吴恩达的机器学习教程中文笔记，主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。

  3. 所属分类：机器学习

    • 发布日期：2018-04-07
    • 文件大小：10485760
    • 提供者：m0_37868504

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。 本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控 制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘， 和其他领域。 本课程需要 10 周共 18 节课

  3. 所属分类：机器学习

    • 发布日期：2018-07-28
    • 文件大小：6291456
    • 提供者：xiaoxc_java

  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. nocode-ml：:squinting_face_with_tongue:端到端机器学习； “无需代码”！-源码

  2. nocode-ml：:squinting_face_with_tongue:端到端机器学习； “无需代码”！

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：5120
    • 提供者：weixin_42118423

  1. book-python：Python 3：从无到机器学习； 书号：9788395718625-源码

  2. book-python：Python 3：从无到机器学习； 书号：9788395718625

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：114294784
    • 提供者：weixin_42144604

  1. school_crime_and_corruption_analysis：圣保罗大学数学与计算机科学学院应用数学学院关于“使用数据挖掘，机器学习和复杂网络进行犯罪和政治*分析”的讲座-源码

  2. 使用数据挖掘，机器学习和复杂网络进行犯罪和政治*分析 私有和上市公司的存储数据量已显着增加。 一方面，这些大量的数据可以对所研究的过程进行详细的历史回顾； 另一方面，这些过多的数据使提取摘要信息变得更加困难，也难以根据公认的经验事实做出好的决策。 这种现代现象被称为大数据，要了解这些系统并从这些数据中提取模式，就需要采取多学科的方法。 从这个意义上讲，在的课程中，我们将探讨涉及计算机科学，统计学和物理学的主题，以理解这些系统。 在这些主题中，我们将重点关注以下主题： Python简介； 刮

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：74448896
    • 提供者：weixin_42169971
« 12 3 4 5 6 7 8 9 10 ... 50 »