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. 特征工程之降维分析

  2. 高维图像识别问题转化为特征表达向量的识别问题,大大降低了计算的复杂程度,减少了冗余信息所造成的识别误差,提高了识别的精度。通过指纹图像的实例说明,将非线性降维方法(如Laplacian Eigenmap方法)应用于图像数据识别问题,在实际中是可行的,在计算上是简单的,可大大改善常用方法(如K-近邻方法)的效能,获得更好的识别效果。此外,该方法对于图像数据是否配准是不敏感的,可对不同大小的图像进行识别,这大大简化了识别的过程。

  3. 所属分类：机器学习

    • 发布日期：2018-07-02
    • 文件大小：1024
    • 提供者：cckyol

  1. opencv人脸识别_实战整套代码工程_整理.zip

  2. （有详细的代码注释与说明） 02均值方差与协方差 协方差矩阵 03-特征值与特征向量 0405-PCA原理与应用 0607-人脸识别算法之EigenFace(PCA方法) facerecog_04.cpp 三种算法时间比较LBP最快.cpp 生成标签数据at.ipynb 0808-人脸识别算法之FisherFace 0909-人脸识别算法之LBPH 案例-实时人脸识别应用开发(读取录入) facerecog_07录入人脸到数据库.cpp 图片人脸检测.cpp 案例-实时人脸识别应用开

  3. 所属分类：机器学习

    • 发布日期：2020-05-17
    • 文件大小：13631488
    • 提供者：lxtm5

  1. 特征工程.ipynb

  2. 异常处理： 通过箱线图（或 3-Sigma）分析删除异常值； BOX-COX 转换（处理有偏分布）； 长尾截断； 特征归一化/标准化： 标准化（转换为标准正态分布）； 归一化（抓换到 [0,1] 区间）； 针对幂律分布，可以取log 数据分桶： 等频分桶； 等距分桶； Best-KS 分桶（类似利用基尼指数进行二分类）； 卡方分桶； 缺失值处理： 不处理（针对类似 XGBoost 等树模型）；

  3. 所属分类：算法与数据结构

    • 发布日期：2020-03-28
    • 文件大小：135168
    • 提供者：wjsjjss

  1. 3_特征工程.ipynb

  2. 3_特征工程.ipynb，房租预测 特征工程.ipynb，房租预测 特征工程.ipynb----------------------房租预测

  3. 所属分类：机器学习

    • 发布日期：2020-01-10
    • 文件大小：29696
    • 提供者：weixin_36423457

  1. SSD_Realization_TensorFlow:基于开源SSD的重构，简化了代码结构-源码

  2. SSD_Realization_TensorFlow 使用 数据准备 将VOC2012数据解压到文件夹VOC2012中，注意检查下一级目录包含注解文件夹和JPEGImages文件夹。 生成TFR压缩数据 使用jupyter运行tfr_generate.ipynb ，使用TFR格式压缩图片对于提升训练速度大有替代益 训练模型 调用脚本即可 python train_ssd_network.py 测试运行 进入eval目录，运行： python show_ssd_network.py 在该脚本中有

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：80896
    • 提供者：weixin_42110533

  1. IndoorHIIT-activity-recognition:动作识别小程序，包含了完整的python项目代码，微信小程序源码以及数据集-源码

  2. 室内HIIT动作识别项目说明 山东大学（威海） 18数据科学孙易泽 本项目为通过微信小程序进行动作的识别，项目拾取了徒手侧平举，前后交叉小跳，开合跳，半蹲四个动作，在测试者左手手持手机的情况下，利用微信小程序实时采集手机的六轴数据，并用随机森林模型和波峰检测法，对测试者做出的动作进行实时的识别和计数。 以下说明，为项目文件中各个文件夹的相关说明 python项目 数据文件夹：训练所用数据，处理之后的数据 进程文件夹：预数据代码，包括信号处理与窗口切割数据 功能文件夹：特征提取以及特征选取相关代码

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：32505856
    • 提供者：weixin_42104778

  1. Recurrent_GRF_Prediction:存储库支持“预测在上坡和下坡运行期间加速度计的连续地面反作用力-源码

  2. 预测上坡和下坡行驶期间来自加速度计的连续地面反作用力：递归神经网络解决方案 瑞安·阿尔坎塔拉（Ryan Alcantara） 该存储库包含一个示例，该示例说明了在运行过程中如何使用递归神经网络（RNN）从加速度计数据预测地面反作用力（GRF）数据。如果使用此存储库中的代码或数据，请引用相关的出版物： 储存库内容 data/ ：包含示例加速度计数据，GRF数据，条件/人口统计数据和RNN模型文件。 Train_RNN.ipynb ：笔记本示例，说明如何准备数据和训练RNN以根据加速度计数据预测G

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：28311552
    • 提供者：weixin_42144604

  1. WSDM-Adhoc-Document-Retrieval:这是我们针对WSDM的解决方案-DiggSci2020。我们实施了一个简单而强大的搜索管道，该管道在验证集中排名第二，在测试集中排名第四。 我们在创新赛道上获得了金奖，在数据集赛道

  2. WSDM-临时文档检索 这是我们针对解决方案。 我们实现了一个简单而强大的搜索管道，该管道在验证集中排名第二，在测试集中排名第四。 我们在创新领域获得了金奖，在数据集领域获得了铜奖。 [] [ ] [] 相关项目： 特征 具有零特征工程的端到端系统。 根据自行设计的基于显着性的规则对数据集执行数据清理，并删除了对结果影响不显着的冗余数据，并将MAP 3提高了3％。 根据置信度得分设计了一种新颖的提前停止策略来重新排序，从而避免了多达40％的BERT不必要的推理计算成本。 在train_

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：30720
    • 提供者：weixin_42168341

  1. bogazici-datacamp-源码

  2. Bogazici数据营| 全球AI中心-2020年 “ .ipynb” dosyalarıgithubtarafındanservis edilirken她的zamanaçılmayabilir。 Birsürebekleyip重新加载tuşunabastığınızdadosyayıgörüntüleyebilirsiniz。 第一天| 介绍： ML划伤表面 ML介绍 第2天| 机器学习： 第3天| 特征工程与深度学习 特征工程 深度学习： 深度学习

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42097369

  1. cars_build_model：来自https：github.comjedrzejdscrap-otomoto数据的程序构建模型-源码

  2. cars_build_model 该程序根据构建模型 表中的内容 基本信息 Car_Feature_engineering.ipynb 简单的数据可视化 特征工程 将预处理的数据另存为data/car_clean.pickle Car_model.ipynb 在data/car_clean.pickle 使用对数技巧 将LightGBM与超参数优化配合使用 程序将模型保存到data/lgb_model.txt目录。 技术领域 Python 3

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：110592
    • 提供者：weixin_42116805

  1. 职位搜索仪表板：职位搜索仪表板数字产品-源码

  2. 欢迎！ 我们是蓝猫头鹰数据！ 关于这个项目 我们的团队齐心协力，为求职者创造了一个有用的工具。 目标 创建一个具有热门5种技能的求职信息显示板。 可交付成果 仪表板 网站 MVP笔记本 最终笔记本 项目管理 数据字典 功能名称 描述 项目步骤 1.取得 从Linkedin API获取的数据 2.准备 缺失值 特征工程 预处理和缩放 3.探索 创建图 假设检验 4.型号 基准线 测试模型 最终模型 5.结论 主要发现 最好的模型是什么？ 推荐建议 期望 未来调查 下一步是什么？ 如何繁殖 所有文

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：1048576
    • 提供者：weixin_42097508

  1. ml-workflow-automation：Python机器学习（ML）项目，演示了Jupyter笔记本中的原型ML工作流程，并在Kubernetes上将模型自动部署为RESTful服务-源码

  2. 自动化原型机器学习工作流程和模型部署 该存储库包含一个基于Python的机器学习（ML）项目，其主要目的是演示Jupyter笔记本中的原型ML工作流程，以及使用托管的Titanic二进制分类数据集来实现一些关键步骤自动化的概念验证思想。在。 ML工作流程包括：数据探索和可视化，特征工程，模型训练和选择。 笔记本titanic-ml.ipynb还会产生一个持久的预测管道（被分配到models目录），该管道在模型部署过程的下游使用。 请注意，我们已经将CSV格式的数据从Kaggle下载到了该项目的根

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42103587

  1. capstone:才云与InfoQ合作推出的Capstone课程项目。此处放置课程大纲，数据及源码-源码

  2. 顶石 才云与InfoQ合作推出的Capstone课程项目。此处放置课程大纲，数据及源码 目录结构 ├── code 代码 │   ├── 0.keras-lstm.ipynb 基于keras开发的LSTM模型 │   ├── 0.keras-lstm.py │   ├── 0.tflearn-lstm.ipynb 基于tflearn开发的LSTM模型 │   ├── 0.tflearn-lstm.py │   ├── 1.data-analysis.ipyn

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：14680064
    • 提供者：weixin_42097369