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（6）-逻辑回归：数据集与源码下载

  2. 机器学习（6）-逻辑回归：数据集与源码下载。博客当中用到的源码与数据集

  3. 所属分类：机器学习

    • 发布日期：2018-04-22
    • 文件大小：2048
    • 提供者：qq_38248958

  1. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课

  2. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课 课程介绍: 从基本的软件安装到必备的Python扩展讲起，然后对机器学习算法一一讲解，同时配合编程实操的实现过程，适合零基础系统学习，配套资料包括讲义作业软件数据都有。 课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.

  3. 所属分类：机器学习

    • 发布日期：2018-05-04
    • 文件大小：2048
    • 提供者：happyzhangdi008

  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

  3. 所属分类：Python

    • 发布日期：2019-07-15
    • 文件大小：240640
    • 提供者：lingfeian

  1. Orange3-3.25.0-Miniconda37-x86_64.exe

  2. 它是一个面向新手和专家的开源的机器学习和数据可视化工具，带有很多用于数据挖掘或机器学习模型的交互式数据分析工作流程；另外，它绑定了Python语言进行脚本开发。包含一系列数据挖掘流程的组件，比如数据预处理，建模，模型评估以及可视化。 数据预处理主要包括：数据合并（将两个不同数据集的指定特征合并为同一数据集）；数据采样，数据异常点去除以及相关性检验（协方差），rank以及置乱等 模型主要包括：CN2规则归纳，k近邻，决策树，随机森林，支持向量机，线性回归，逻辑回归，朴素贝叶斯，adaboost，神

  3. 所属分类：机器学习

    • 发布日期：2020-05-27
    • 文件大小：400556032
    • 提供者：weixin_43979477

  1. 机器学习笔记–2、回归分析及python实现

  2. 回归分析 文章目录回归分析认识回归什么是回归Sklearn中的回归回归模型的应用线性模型（linear model）获得线性模型线性模型的基本形式线性回归目标函数（单变量）目标函数（多变量）python实现数据集划分：线性回归实例逻辑回归对数几率回归／逻辑回归（logistic regression）逻辑回归实例 认识回归 什么是回归 回归：统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：98304
    • 提供者：weixin_38661236

  1. 机器学习笔记–2、回归分析及python实现

  2. 回归分析 文章目录回归分析认识回归什么是回归Sklearn中的回归回归模型的应用线性模型（linear model）获得线性模型线性模型的基本形式线性回归目标函数（单变量）目标函数（多变量）python实现数据集划分：线性回归实例逻辑回归对数几率回归／逻辑回归（logistic regression）逻辑回归实例 认识回归 什么是回归 回归：统计学分析数据的方法，目的在于了解两个或多个变数间是否相关、 研究其相关方向与强度，并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：98304
    • 提供者：weixin_38745003

  1. COVID-19RiskProject:机器学习在创建COVID-19死亡率风险计算器中的应用-源码

  2. 使用机器学习的COVID-19死亡率风险 该项目的目的是将机器学习应用于评估COVID-19死亡风险因素，并创建一个死亡风险预测计算器。 我们还进行了深入的数据考察，以观察COVID-19危险因素的任何趋势。 资料来源： ： 项目包括： 用于数据分析的Python Python Flask支持的API AWS云数据库 HTML / CSS包括用于前端Web开发的模板扩展 机器学习-聚类（KMeans，决策树），分类（逻辑回归），多项式回归 分类报告和混淆矩阵以评估模型拟合度； 功能关

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：4194304
    • 提供者：weixin_42129797

  1. Python机器学习实训营（2020版）.rar

  2. Python机器学习实训营（2020版）视频教程； 章节1:线性回归原理推导 章节2:线性回归代码实现 章节3:模型评估方法 章节4:线性回归实验分析 章节5:逻辑回归原理推导 章节6:逻辑回归代码实现 章节7:逻辑回归实验分析 章节8:聚类算法-Kmeans&Dbscan原理 章节9:Kmeans代码实现 章节10:聚类算法实验分析 章节11:决策树原理 章节12:决策树代码实现 章节13:决策树实验分析 章节14:集成算法原理 章节15:集成算法实验分析 章节16:支持向量机原理推导 章节1

  3. 所属分类：机器学习

    • 发布日期：2021-03-08
    • 文件大小：816
    • 提供者：u011552756

  1. Data-Science-Cheatsheet:一份有用的4页数据科学备忘单，可帮助您进行考试复习，面试准备以及介于两者之间的任何内容-源码

  2. 数据科学备忘单2.0 一份有用的4页数据科学备忘单，可帮助您进行考试复习，面试准备以及介于两者之间的任何内容。 该资源并不是要全面深入任何特定模型，而是快速复习一些最基本的机器学习算法。 读者应该至少对统计和线性代数有基本的了解，尽管初学者可能会发现此备忘单也很有帮助。 受到Maverick的Data Science Cheatsheet （因此命名为2.0）的启发，该文件位于。 涵盖的主题（比其他主题更深入）包括： 常见分布 线性和逻辑回归 决策树和随机森林 支持向量机 知识网络 聚类

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：2097152
    • 提供者：weixin_42134117

  1. 课程-Python-数据分析-源码

  2. 教学大纲 第1节（简介） Python的应用 网络和互联网发展 科学和数值 桌面GUI 软件开发 商业应用 文本编辑器 Jupyter笔记本 Visual Studio程式码 皮查姆 相关技术 吉特 要旨 谷歌协作 张量流 空气流动 课程 数据营 乌迪米 Coursera 第2节（内置数据结构） 数据结构 元组 列表 字典 放 大批 数据框 第三节（数据清理） 操纵DataFrame 切片（选择行或列） 筛选 在，不在 填写NAN 删除列 合并与合并 分组 应用功能 第4节（有条件

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：106954752
    • 提供者：weixin_42109598

  1. 机器学习-逻辑回归分析（Python）

  2. 回归和分类方法是机器学习中经常用到的方法区分回归问题和分类问题：回归问题：输入变量和输出变量均为连续变量的问题；分类问题：输出变量为有限个离散变量的问题。因此分类及回归分别为研究这两类问题的方法。区别：从三个维度来对比分类和回归方法：联系：从prediction角度来看，分类模型和回归模型本质相同，分类模型是将回归模型的输出离散化，比如：1、LogisticRegression和LinearRegressionLinearRegression：输出一个标量wx+b，是连续值，用以处理回归问题；L

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：839680
    • 提供者：weixin_38637272

  1. 投资组合：数据科学投资组合-源码

  2. 数据科学组合 包含数据科学和数据分析项目的存储库。 使用Python进行机器学习 解释性数据分析，特征工程，监督机器学习（逻辑回归，决策树，随机森林）。 结果：基准是Logistic回归，并且在测试数据集上产生了0.7694的AUC。 通过利用随机森林和对参数进行超调，可以达到0.8025 AUC。 因此，超调会产生更好的性能。 技术： 监督机器学习：逻辑回归，决策树，随机森林 工具 ： Python ：熊猫，Numpy，Sklearn，Matplotlib，Seaborn 带有Pyt

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_42144201

  1. 808_用于业务分析的机器学习-源码

  2. 808_用于业务分析的机器学习注意 lec1：线性回归 lec2：Logistic回归 讲义3：逻辑回归2 第四讲：模型评估（精确度和召回率） 第五讲：Keras学习 讲座6：Tensorflow学习 讲座7：无监督学习（K均值和DBSCAN） Lec8_2：无监督学习（PCA） 讲座9：随机森林 Lec9_2：系统建议 Lec10：卷积神经网络 项目：猫猫图像识别 其他资源 我发现了150多种最佳的机器学习，NLP和Python教程 正则化 L1和L2有什么区别？ 在线资源学

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：3145728
    • 提供者：weixin_42117485

  1. Medicare-Fraud-Prediction：使用机器学习模型（如逻辑回归，随机森林和支持向量机）基于索赔，预测潜在欺诈提供者，以可视化索赔发生-源码

  2. 医疗保险欺诈预测 医疗保健领域的欺诈是医疗保险行业的主要关注之一。 消息人士称，由于虚假索赔，总支出大幅增加。 医疗保健欺诈有多种形式，提供商的几种常见欺诈类型是：对未提供的服务收费，重复的索赔提交，通过对更复杂或更昂贵的服务收费来歪曲服务。 该项目的目标是使用逻辑回归，随机森林估计量并基于索赔，预测潜在的欺诈提供者，并可视化索赔发生。 在检测潜在欺诈提供者的行为时，探索性分析将发现重要变量，以了解提供者索赔中的欺诈模式。 语言：Python

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：532480
    • 提供者：weixin_42099151

  1. 谣言：Rumale是Ruby中的机器学习库-源码

  2. 鲁马累 Rumale（ Ru by ma chine le arning）是Ruby中的机器学习库。 Rumale为机器学习算法提供的接口类似于Python中的Scikit-Learn。 Rumale支持支持向量机，逻辑回归，岭，套索，多层感知器，朴素贝叶斯，决策树，梯度树增强，随机森林，K均值，高斯混合模型，DBSCAN，谱聚类，多维标度，t-SNE ，Fisher判别分析，邻域分量分析，主分量分析，非负矩阵分解和许多其他算法。 安装 将此行添加到您的应用程序的Gemfile中： gem

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：349184
    • 提供者：weixin_42097450

  1. 带有Python的数据科学项目：使用Python，Pandas和Scikit-Learn的成功数据科学项目的案例研究方法-源码

  2. 使用Python进行数据科学项目 旨在为您提供有关中行业标准数据分析和机器学习工具的实用指南，并提供实际数据。 本课程将帮助您了解如何使用pandas和Matplotlib来严格检查具有摘要统计信息和图形的数据集，并提取要寻求的见解。 使用scikit-learn包，您将在学习如何准备数据并将其提供给机器学习算法（例如正则化逻辑回归和随机森林）的过程中继续建立自己的知识。 您将发现如何调整算法，以对新的和看不见的数据提供最佳预测。 在后面的章节中，您将能够了解这些算法的工作原理和输出结果，不仅可

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17825792
    • 提供者：weixin_42120275

  1. 机器学习-逻辑回归分析（Python）

  2. 回归和分类方法是机器学习中经常用到的方法 区分回归问题和分类问题：回归问题：输入变量和输出变量均为连续变量的问题； 分类问题：输出变量为有限个离散变量的问题。 因此分类及回归分别为研究这两类问题的方法。区别：从三个维度来对比分类和回归方法： 联系：从prediction角度来看，分类模型和回归模型本质相同，分类模型是将回归模型的输出离散化，比如：1、Logisti

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：839680
    • 提供者：weixin_38564003

  1. Terry_Resume-源码

  2. 刘Fan 电子邮件： 领英（LinkedIn）： : 教育 数据科学与分析硕士2020.09-2021.12（预计） 香港红Ho香港理工大学 金融数学学士2012.05-2016.06 Wilfird Laurier University滑铁卢，安大略省，加拿大 资质认证 •超过3年的Python，SQL，VBA数据清理，分析和定量建模方面的专业经验•熟悉概率，统计，假设检验和A / B检验•机器学习算法方面的专业知识：线性回归，逻辑回归，决策树，随机森林，SVM，朴素贝叶斯，kNN，K

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：2048
    • 提供者：weixin_42129797

  1. HackNITR-2.0-Data_Decoders:此Web应用程序为在线COVID-19测试提供了一个平台。它基于人工神经网络和探索性数据分析-源码

  2. HackNITR-2.0-Covikit 此Web应用程序为在线COVID-19测试提供了一个平台。它基于人工神经网络（ANN）和探索性数据分析。 八种机器学习算法（决策树分类器，随机森林分类器，K最近邻，K均值算法，支持向量机，梯度提升，朴素贝叶斯和逻辑回归）和两个深度学习神经网络模型（单层感知器和多层）在联合国Covid数据集（kaggle）上对Perceptron进行了培训和测试，并采用了具有最高准确度百分位数的模型来构建网络预测器。多层感知器可提供97.7％的精度，因此被用于模型构建。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：448512
    • 提供者：weixin_42119358