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. C# 最全的日期正则表达式，没有之一

  2. 1 概述 首先需要说明的一点，无论是Winform，还是Webform，都有很成熟的日历控件，无论从易用性还是可扩展性上看，日期的选择和校验还是用日历控件来实现比较好。 前几天在CSDN多个版块看到需要日期正则的帖子，所以整理了这篇文章，和大家一起讨论交流，如有遗漏或错误的地方，还请大家指正。 日期正则一般是对格式有要求，且数据不是直接由用户输入时使用。因应用场景的不同，写出的正则也不同，复杂程度也自然不同。正则的书写需要根据具体情况具体分析，一个基本原则就是：只写合适的，不写复杂的。 对于日

  3. 所属分类：C#

    • 发布日期：2012-08-07
    • 文件大小：70656
    • 提供者：fangmiya7258

  1. 逻辑回归简介及其正则化

  2. 逻辑回归是一种重要的数据分析方法，已经被广泛应用于各个领域。作为广义线性模型的一个特例，逻辑回归由严格的理论推导出，具有良好的统计性质和明确的解释意义，因而在实际应用中，特别是分类问题应用中受到良好的效果。 然而，传统的逻辑回归模型存在一些明显的不足，它容易出现过拟合问题。逻辑回归对于训练样本的拟合常能获得良好的精度，但对于训练数据集以外的测试数据，其分类效果不够理想。事实上，不仅是逻辑回归，其他许多数据分析模型也会受过拟合的影响，解决过拟合问题已经成为统计、机器学习领域的热点研究之一。 解决

  3. 所属分类：专业指导

    • 发布日期：2016-01-20
    • 文件大小：876544
    • 提供者：a1015553840

  1. 【机器学习】线性回归实验数据

  2. 线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

  3. 所属分类：机器学习

    • 发布日期：2018-05-19
    • 文件大小：5120
    • 提供者：xxrdsg5

  1. 煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第八篇.pdf

  2. 煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第八篇pdf,煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第八篇第八篇液压支架工况分析与动态检测 、采动围岩的变形与移动 煤层开掘形成工作面切眼后,岩体应力发生重新分布,煤壁深处产生支承应力。当工 作面推进一定距离后,下位岩层跨度不断增加,超过其强度极限时,即产生变形、移动并导 致垮落。随着工作面的继续推进,下位岩层逐层冒落。而上位岩层形成一岩梁结构,即 煤壁—回采工作面支架一采空区已冒落的矸石”的支撑体系,其支承压力分布情

  3. 所属分类：其它

    • 发布日期：2019-10-13
    • 文件大小：5242880
    • 提供者：weixin_38743506

  1. 基于内容分析的微博转发行为研究.pdf

  2. 摘 要：【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现，对微博转发行为的研究有助 于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度，对微博转发行为进行了预测。量化分析了微博内容 中一组低水平特征和高水平特征，采用逻辑回归模型对微博转发概率进行预测，并在微博数据集中进行了训练和 验证。【结果/结论】基于模型中的参数学习，证实这些内容特征对于微博转发有着密切的联系，据此进一步推断微 博用户主要的兴趣点。 关键字：微博；转发；内容分析；情感理论研究 情报科学 第36卷第4

  3. 所属分类：其它

    • 发布日期：2019-09-07
    • 文件大小：1048576
    • 提供者：maomao1688

  1. 金融发展对津巴布韦经济增长的影响：股票市场和商业银行的比较分析

  2. 本文的目的是研究津巴布韦金融发展（银行和股票市场）与经济增长之间的关系。 使用2005年至2013年期间的数据，该研究对短期Controls变量采用了VECM。 这提供了应用VAR来使用综合多元时间序列并避免虚假回归的可能性，因为利率似乎对经济增长具有长期的积极影响。 这意味着，如果利率与经济增长成正比，则银行业的表现要好于股市。 研究结果表明，无论短期还是长期，有效的股票市场与经济增长之间都存在正相关关系。 利率产生负面影响，而市值对增长产生正面影响。 结论是，金融部门在津巴布韦的可持续经济发

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：399360
    • 提供者：weixin_38609913

  1. 第八章 变量选择与正则化 – 岭回归分析

  2. 岭回归分析0 载入库1 数据预处理2 普通线性回归和岭回归2.1 最小二乘法，参数估计2.2 岭回归，参数估计，固定岭参数2.3 岭回归，按 CV 标准自动选择岭参数2.4 列举岭参数的值，计算回归参数，画出岭迹图，计算 VIF 0 载入库 载入 sklearn 模块中的线性回归与岭回归的函数 import numpy as np import matplotlib.pyplot as plt import pandas as pd np.set_printoptions(suppress=Tr

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：163840
    • 提供者：weixin_38694541

  1. Python多项式回归的实现方法

  2. 多项式回归是一种线性回归形式，其中自变量x和因变量y之间的关系被建模为n次多项式。多项式回归拟合x的值与y的相应条件均值之间的非线性关系，表示为E（y | x） 为什么多项式回归： 研究人员假设的某些关系是曲线的。显然，这种类型的案例将包括多项式项。 检查残差。如果我们尝试将线性模型拟合到曲线数据，则预测变量（X轴）上的残差（Y轴）的散点图将在中间具有许多正残差的斑块。因此，在这种情况下，这是不合适的。 通常的多元线性回归分析的假设是所有自变量都是独立的。在多项式回归模型中，不满足该

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：88064
    • 提供者：weixin_38614952

  1. 基于空间均匀性分析的高光谱图像稀疏分解

  2. 该算法首先对高光谱影像进行空间同质分析来提取同质指数，然后根据同质指数对稀疏回归解混模型中的空间正则项赋予不同权重，转化能更好地反映高光谱影像端元丰度分布的空间复杂性，而长者对高光谱混合像元的有效分解。模拟数据和真实数据的试验分析表明：本文提出的算法能更好地保持结果的稀疏性和丰度空间分布的平滑性，并且具有一定的抗噪性，提高了整体的解混精度。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：382976
    • 提供者：weixin_38655987

  1. Coffee-Reviews-NLP:使用自然语言处理分析咖啡评论-源码

  2. 咖啡评论和机器学习： NLP，建议和预测 使用自然语言处理对咖啡评论进行分析，以创建评论得分预测，推荐类似的咖啡并生成咖啡评论 一旦托管供远程使用，此文本就是指向我的Streamlit应用程序的链接的占位符。 内容 在笔记本文件夹中，您将找到： 抓取：漂亮的汤和我的.py文件可从CoffeeReview.com刮取咖啡评论 first-nlp：预处理，正则表达式，lemmatization，countvectorizing和tf-idf nmf：基于计数向量语料库将评论集群创建为主题 cof

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：34603008
    • 提供者：weixin_42165508

  1. 联合核稀疏多元逻辑回归和TV-L1错误剔除的高光谱图像分类算法

  2. 稀疏多元逻辑回归（SMLR）是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归（KSMLR）可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出一种联合核稀疏多元逻辑回归和正则化错误剔除的高光谱图像分类模型.提出的模型通过引入隐概率场,采取L1范数度量KSMLR分类误差的重尾特性建立数据保真项;利用全变差（Total

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38706100

  1. twiner:Twiner是基于网络的正则化参数，基于两个数据集之间的相关性模式。 在目前的情况下，它被用来促进对与DNA微阵列和RNA测序表达值数据相关的特征的选择。 两个平台中的基因之间的相关性越高，与之相关的惩罚项越低-源码

  2. 缠绕 Twiner是基于网络的正则化参数，基于两个数据集之间的相关性模式。 在本研究中，它被用来促进与DNA微阵列和RNA测序表达值数据相关的特征的选择。 两个平台中的基因之间的相关性越高，与其相关的惩罚项越低。 Twiner代码文件包含： 用于GEO研究的微阵列数据采集 微阵列预处理步骤-分位数归一化 用于微阵列研究的数据集成-ComBat用于批次校正 用于TCGA研究的RNA测序数据采集 RNA测序跨平台与微阵列整合-分位数归一化 带有稀疏逻辑回归的分类模型：6.1。 弹性净罚分6.2。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：21504
    • 提供者：weixin_42113456

  1. 如何估计光谱回归判别分析的正则化参数及其内核版本？

  2. 如何估计光谱回归判别分析的正则化参数及其内核版本？

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：2097152
    • 提供者：weixin_38681301

  1. L1正则化Logistic回归在财务预警中的应用

  2. 线性模型和广义线性模型已广泛地用于社会经济、生产实践和科学研究中的数据分析和数据挖掘等领域,如公司财务预警,引入L1范数惩罚技术的模型在估计模型系数的同时能实现变量选择的功能.本文将L1范数正则化Logistic回归模型用于上市公司财务危机预报,结合沪深股市制造业ST公司和正常公司的T-2年财务数据开展实证研究,对比Logistic回归和L2正则化Logistic回归模型进行对比分析.实验结果表明L1正则化Logistic回归模型的有效性,其在保证模型预测精度的同时提高模型的解释性. 更多还原

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：262144
    • 提供者：weixin_38609247

  1. Python数据分析--Kaggle共享单车项目实战

  2. 添加正则化项,是指在损失函数上添加正则化项,而正则化项可分为两种:一种是L1正则化项,另一种是L2正则化.我们把带有L2正则化项的回归模型称为岭回归,带有L1正则化项的回归称为Lasso回归.1.岭回归引用百度百科定义.岭回归(英文名：ridgeregression,Tikhonovregularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1034240
    • 提供者：weixin_38519763

  1. 基于极限和增量学习的单隐藏正则化脊波网络

  2. 基于前人在脊波神经网络上的工作，在前馈神经网络中将脊波函数用作激活函数，本文提出了一种单隐藏层正则化脊波网络（SLRRN）。 在成本函数中添加了一个额外的常规项目来表示要解决的问题的先验知识，以获得更好的泛化性能，并提出了一种简单有效的方法，称为成本函数最小化极限学习和增量学习（CFM-EIL）算法。 在基于CFM-EIL的SLRRN（CFM-EIL-SLRRN）中，对脊突隐藏的神经元及其参数进行增量和分析调整。 因此，它可以显着降低基于梯度的算法或其他迭代算法的计算复杂性。 进行了一些关于时间

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：373760
    • 提供者：weixin_38690545

  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. 量化金融项目：量化金融与统计项目。 主题包括多元线性回归，方差和不稳定性估计，显示方法-源码

  2. 市场分析 分散度衡量数据集的分散程度。 方差和标准偏差告诉我们数量的波动性，但是不能区分向上的偏差和向下的偏差。 虽然，我们为此有其他工具。 以图形方式表示数据，以了解数据的行为方式并查看潜在的结构或缺陷。 在制定假设时，可以很好地使用图表，但不应将其用于检验假设。 可以使用不止是平均值和方差的矩来描述数据。 如何使用Jarque Bera测试来检查正常性。 回报是否可能遵循正态分布。 相关系数衡量两个变量之间的关系呈线性的程​​度。 它的值始终在-1和1之间。 通过查看参数在查看数据的

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：638976
    • 提供者：weixin_42155721

  1. INDENG-242-数据分析和应用：在数据分析中的应用（2019秋季）-源码

  2. INDENG-242 简介这是INDENG242的回购协议-数据分析和应用，19 UC伯克利分校 本课程使用来自电子商务，医疗保健，社交媒体，体育，互联网等领域的真实数据集，将机器学习和数据分析中的基础概念和技术应用于各种示例。 通过这些示例，R中的练习以及一个全面的团队项目，我们将探索和应用诸如线性回归，逻辑回归，分类和回归树，随机森林，增强，文本挖掘，数据清理和操作，数据可视化，网络等技术。分析，时间序列建模，聚类，主成分分析，正则化，神经网络和大规模学习。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：9437184
    • 提供者：weixin_42121725

  1. Python数据分析--Kaggle共享单车项目实战

  2. 添加正则化项,是指在损失函数上添加正则化项,而正则化项可分为两种: 一种是L1正则化项,另一种是L2正则化.我们把带有L2正则化项的回归模型称为岭回归,带有L1正则化项的回归称为Lasso回归.1.岭回归引用百度百科定义.岭回归(英文名：ridgeregression,Tikhonov regularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1005568
    • 提供者：weixin_38572115
« 12 3 4 5 6 7 8 »