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. 深入理解Python中文版高清PDF

  2. 第1部分　Python核心 　第1章　欢迎来到Python世界　 　　1.1　什么是Python　 　　1.2　起源　 　　1.3　特点　 　　　1.3.1　高级　 　　　1.3.2　面向对象　 　　　1.3.3　可升级　 　　　1.3.4　可扩展　 　　　1.3.5　可移植性　 　　　1.3.6　易学　 　　　1.3.7　易读　 　　　1.3.8　易维护　 　　　1.3.9　健壮性　 　　　1.3.10　高效的快速原型开发工具　 　　　1.3.11　内存管理器　 　　　1.3.12　解释性和

  3. 所属分类：Python

    • 发布日期：2012-09-04
    • 文件大小：11534336
    • 提供者：xyhu_gm

  1. Python核心编程

  2. Python核心编程第二版 第1部分　Python核心 　第1章　欢迎来到Python世界　 　　1.1　什么是Python　 　　1.2　起源　 　　1.3　特点　 　　　1.3.1　高级　 　　　1.3.2　面向对象　 　　　1.3.3　可升级　 　　　1.3.4　可扩展　 　　　1.3.5　可移植性　 　　　1.3.6　易学　 　　　1.3.7　易读　 　　　1.3.8　易维护　 　　　1.3.9　健壮性　 　　　1.3.10　高效的快速原型开发工具　 　　　1.3.11　内存管理器　

  3. 所属分类：Python

    • 发布日期：2013-12-21
    • 文件大小：5242880
    • 提供者：u013233652

  1. 文本挖掘tmSVM开源项目包含Python和Java两种版本带参考文档

  2. 文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

  3. 所属分类：Python

    • 发布日期：2014-02-23
    • 文件大小：3145728
    • 提供者：vcfriend

  1. adaboost代码

  2. 本程序实现了集成学习算法中的典型的提升算法Adaboost,其中基分类器为树桩分类器。

  3. 所属分类：Python

    • 发布日期：2014-12-25
    • 文件大小：6144
    • 提供者：u012762419

  1. bagging算法python组件

  2. bagging 是bootstrap aggregating的缩写，它首次介绍是在L. Breiman, Bagging predictors, Mach. Learn. 24 (2) (1996) 123--140 ，是第一批用于多分类器集成算法。该集成方法包括在一个训练集合上重复训练得到的多个分类器。

  3. 所属分类：Python

    • 发布日期：2015-04-19
    • 文件大小：11534336
    • 提供者：u013566228

  1. python计算机视觉.pdf

  2. 高清完整版，极力推荐。 第1 章　基本的图像操作和处理 .....................................................................................................1 1.1　PIL：Python 图像处理类库.................................................................................................

  3. 所属分类：Python

    • 发布日期：2017-09-22
    • 文件大小：30408704
    • 提供者：donggua209

  1. 贝叶斯分类实验指导书

  2. 贝叶斯分类实验指导书 实验目的 加深对贝叶斯原理的理解 熟悉python的集成开发环境 掌握贝叶斯分类器的实现—西瓜判别

  3. 所属分类：机器学习

    • 发布日期：2018-03-18
    • 文件大小：849920
    • 提供者：weixin_35921874

  1. 集成学习ch7-AdaBoost 《python machine learning》Raschka

  2. 集成学习算法、adaboost、基于分类器的集成学习、分类ch7-AdaBoost 《python machine learning》Raschka

  3. 所属分类：算法与数据结构

    • 发布日期：2018-04-18
    • 文件大小：3072
    • 提供者：zane2017

  1. Python-基于python快速生成全分类器测试报告

  2. Easy-Classify是一个基于python的sklearn包，自动生成二分类Excel实验报告和ROC值的小脚本，是二分类集成分类器的良好解决方案。

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：178176
    • 提供者：weixin_39840650

  1. 利用Python画ROC曲线和AUC值计算

  2. 前言 ROC（Receiver Operating Characteristic）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。这篇文章将先简单的介绍ROC和AUC，而后用实例演示如何python作出ROC曲线图以及计算AUC。 AUC介绍 AUC(Area Under Curve)是机器学习二分类模型中非常常用的评估指标，相比于F1-Score对项目的不平衡有更大的容忍性，目前常见的机器学习库中(比如scikit-learn)一般也都是集成该指标的计算，

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：87040
    • 提供者：weixin_38650629

  1. 利用python的mlxtend实现简单的集成分类器

  2. 实验环境 python 3.7.1+Anaconda 1.9.7+pycharm 2019.1 主要pkg pandas、numpy、sklearn、mlxtend 数据格式 Label： features： 主要实验步骤 数据读入 数据处理 数据集划分 stacking分类器定义 模型训练 准确度预测 具体过程 首先利用pandas的read_系列函数读入数据，我用的是read_excel，（很奇怪，不知道为什么用read_csv就会一直读入失败，，） 然后， 千万要注意，要处理好数据中的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：164864
    • 提供者：weixin_38641366

  1. 机器学习——基于Bagging的集成学习：随机森林（Random Forest）及python实现

  2. 基于Bagging的集成学习：随机森林的原理及其实现引入Bagging装袋随机森林随机森林分类随机森林回归python实现随机森林分类随机森林回归 引入 “三个臭皮匠赛过诸葛亮”——弱分类器组合成强分类器。 Q1.什么是随机森林？ 随机森林顾名思义就是一片森林，其中有各种各样的树，其实，随机森林是基于决策树构成的，一片森林中的每一颗树就是一个决策树。想了解决策树算法详情请戳☞决策树原理及其实现☜ Q2.为什么叫随机森林？ 随机森林中“随机”一词主要在于两点：“随机”取样；“随机”抽取特征。 了解

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：238592
    • 提供者：weixin_38663443

  1. classifier_metric_uncertainty:确定（二元）分类器度量不确定性的贝叶斯方法-源码

  2. 小样本量导致分类器度量不确定性 如果从小样本量计算出分类器指标（例如准确性，敏感性，特异性，准确性...），则将非常不确定。 不幸的是，这些点估计通常被认为是准确的。 我们提出一种贝叶斯方法来确定度量不确定性。 解释了基本概念并展示了许多已发布的分类器具有惊人的度量不确定性。 该存储库包含Python中的实现。 用法 计算指标不确定性的最简单方法是通过我们基于浏览器的交互式工具。 该网站可能需要几分钟才能加载。 它不会在您的计算机上安装任何软件包或执行任何代码，它需要在主机上启动环境。 这导致

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：56320
    • 提供者：weixin_42168230

  1. SelfDrivingCarNanoDegree：有关计算机视觉，传感器融合，本地化，计划，控制和系统集成的项目-源码

  2. Udacity自动驾驶汽车纳米度 专案 使用camara数据大致检测车道线。 使用camara数据检测车道线。 具有使用python和tensorflow的卷积神经网络的交通标志分类器。 卷积神经网络可根据摄像机图像预测转向角，从而使汽车能够在模拟器中自主行驶。 扩展卡尔曼滤波器的C ++实现。 使用激光雷达和雷达测量来跟踪移动物体的位置和速度。

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：386924544
    • 提供者：weixin_42099530

  1. qs_ledger：量化的自我个人数据聚合器和数据分析-源码

  2. 量化自我（QS）分类帐 自我跟踪者和量化的自我爱好者的个人数据聚合器和仪表板 汇总并可视化您的个人数据。 该项目有两个主要目标： 从各种跟踪服务下载所有个人数据（集成服务列表请参见下文）并本地存储。 提供个人数据分析，数据可视化和个人数据仪表板的起点 当前，主要目标是为每个集成服务提供工作数据下载器和简单的数据分析。 已经开始了一些使用这些数据流进行预测分析和使用机器学习和人工智能进行预测的初步工作，并且打算越来越关注未来迭代中的建模。 。 代码/依赖关系： 该代码是用Python 3

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：5242880
    • 提供者：weixin_42134554

  1. 进化集成优化器：用于多个分类器系统的进化优化器，可从生成的合奏中找到分类器的最佳子集-源码

  2. 进化集成优化器 基于遗传算法技术的分类器集成优化器。 给定训练有素的分类器集合，进化集成分类器能够通过进化方法找到最佳和更准确的分类器子集。 用法 遗传优化操作的核心文件是文件。 文件有一个示例，说明如何通过带决策树的Bagging分类器使用系统。 要更改遗传算法参数，您需要打开并修改 。 为了运行系统： $ python bagging_example.py 依存关系 进化合奏优化器具有以下依赖性：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：206848
    • 提供者：weixin_42128963

  1. simple_esn：与scikit-learn集成的简单Echo状态网络-源码

  2. 简单的回声状态网络 简单的ESN simple_esn在Scikit-learn框架内实现一个简单的Echo State Network模型的Python类。 它旨在实现神经元存储库中输入信号的快速便捷转换。 分类或回归可以使用任何scikit学习分类器/回归器完成。 SimpleESN对象可以是Pipeline一部分，并且可以使用GridSearchCV探索其参数空间。 该代码的灵感来自于MantasLukoševičius提出的“极简ESN示例”。 根据GPLv3许可。 有用的链接 来

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：134144
    • 提供者：weixin_42099814

  1. Repo-2017：使用Keras和Theano进行机器学习，NLP，深度学习和强化学习中的Python代码-源码

  2. 数据科学中的Python代码 NLP，深度学习，强化学习和人工智能中的代码 欢迎来到我的GitHub存储库。 我是一名数据科学家，并且用R，Python和Wolfram Mathematica编写代码。 在这里，您将找到我开发的一些机器学习，深度学习，自然语言处理和人工智能模型。 在我的投资组合中可以看到模型的输出： : 模型中使用的Keras版本：keras == 1.1.0 音频自动编码器是一个模型，在该模型中，我压缩了音频文件，并使用自动编码器来重建音频文件，以用于音素分类。 协

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：42991616
    • 提供者：weixin_42175776

  1. scikit-multilearn：用于多标签等的基于scikit-learn的模块。 等分类-源码

  2. scikit-multilearn scikit-multilearn是一个Python模块，能够执行多标签学习任务。 它建立在各种科学Python软件包（ ， ）的顶部，并且遵循与相似的API。 网站： 文档： 产品特点 本机Python实现。 用于多种多标签分类算法的原生Python实现。 要查看所有支持的分类器列表，请检查此。 与Meka的接口。 实现了Meka包装器类，以供参考和集成。 这样就可以访问MEKA，MULAN和WEKA（本领域的参考标准）中可用的所有方法。 建立

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42134038

  1. 堆叠：堆叠泛化（集成学习）-源码

  2. 堆叠（堆叠概括） 总览 简单实用的堆叠库，用Python编写。 用户可以使用scikit-learn，XGboost和Keras的模型进行堆叠。 作为该库的功能，训练后可以保存所有失叠的预测以供进一步分析。 描述 （有时被称为堆叠泛化）涉及训练学习算法的其他几个学习算法的预测结合起来。 基本思想是使用一组基础分类器，然后使用另一个分类器组合其预测，以减少泛化误差。 对于理解堆栈和集成学习非常有帮助。 用法 请参阅工作示例： 要运行这些示例，只需运行sh run.sh 注意： 在数据/输入下

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42132325
« 12 »