您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 常用数据挖掘算法总结及Python实现 文字版+code

  2. 本书适合有志于从事数据挖掘的初学者,需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析(EDA) .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN(k 最邻近分类算法) 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评
  3. 所属分类:Python

    • 发布日期:2018-04-21
    • 文件大小:4194304
    • 提供者:mycoffee1990
  1. weka源码学习

  2. 目录 Weka 开发[1]-Instances类 1 Weka开发[2]-分类器类 2 Weka开发[3]-Evaluation类 3 Weka开发[4]-特征选择 4 Weka开发[5]-半监督算法 6 Weka开发[0]-导入Weka包 8 半监督算法工具SVMlin使用 12 半监督算法工具SVMlin读取数据代码介绍 14 Weka开发[6]-参数设置 16 Weka开发[7]-LibSVM 17 Weka开发[8]-ID3源码介绍 18 Weka开发[9]—KMeans源码介绍 21
  3. 所属分类:其它

    • 发布日期:2018-02-02
    • 文件大小:685056
    • 提供者:qq_34936033
  1. 常用数据挖掘算法总结及Python实现

  2. 该文档总结了常用的数据挖掘的算法原理以及Python实践内容,为初学者提供良好的参考资料,需要的朋友可看看! 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析(EDA).11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN(k 最邻近分类算法) 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(E
  3. 所属分类:Python

    • 发布日期:2019-03-29
    • 文件大小:4194304
    • 提供者:weixin_44523404
  1. 菊安酱的机器学习第1期-k-近邻算法(直播).pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8
  3. 所属分类:讲义

    • 发布日期:2019-07-27
    • 文件大小:867328
    • 提供者:qiu1440528444
  1. 监督学习之KNN算法

  2. 监督学习 原理 监督学习假定训练数据与真实预测数据属于同一分布且相互独立。监督学习通过训练学习到数据的概率分布,并应用到真实的预测上。监督学习可分为回归分析和分类。 回归分析(Regression Analysis):对训练数据进行分析,拟合出误差微小的函数模型y=f(x),yy=f(x),yy=f(x),y称为数据的标签,对于每个新的自变量x,x,x,通过这个函数模型可以得到标签yyy。 分类(Classification):训练数据是特征向量与其对应的标签,同样要通过计算新的特征向量得到其所
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:82944
    • 提供者:weixin_38536841
  1. 机器学习之KNN(k近邻)算法详解

  2. 一、基本分类:①监督学习(Supervisedlearning)数据集中的每个样本有相应的“正确答案”,根据这些样本做出预测,分有两类:回归问题和分类问题。步骤1:数据集的创建和分类步骤2:训练步骤3:验证步骤4:使用(1)回归问题举例例如:预测房价,根据样本集拟合出一条连续曲线。(2)分类问题举例例如:根据肿瘤特征判断良性还是恶性,得到的是结果是“良性”或者“恶性”,是离散的。监督学习:从给定的训练数据集中学习出一个函数(模型参数),当新的数据到来时,可以根据这个函数预测结果。监督学习的训练集
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:838656
    • 提供者:weixin_38652636
  1. 机器学习之KNN(k近邻)算法详解

  2. 一、基本分类: ①监督学习(Supervisedlearning) 数据集中的每个样本有相应的“正确答案”,根据这些样本做出 预测,分有两类:回归问题和分类问题。 步骤1:数据集的创建和分类 步骤2:训练
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:838656
    • 提供者:weixin_38617436