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. projects:机器学习项目-源码

  2. 机器学习项目 我的机器学习项目包括： -从零开始进行Logistic回归以对手写数字1和数字5进行分类-通过使用libsvm库提供给定数据的SVM -具有线性回归的汽车的销售价格预测-PCA从头开始，k-均值从头开始-通过使用不同的模型进行多类分类-通过使用不同的模型来确定期限存款Scrath的高斯混合期望最大化算法随机梯度下降从零开始的逻辑回归-使用textgenrnn库生成文本Xgboost和Catboost的欺诈检测

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：3145728
    • 提供者：weixin_42104906

  1. Machine_Learning_Code:《统计学习方法》与常见机器学习模型（GBDTXGBoostlightGBMFMFFM）的原理讲解与python和类库实现-源码

  2. 机器学习模型的python与类库实现 本repo以李航博士的《统计学习方法》为路线，逐章讲解并实现其中所有的算法；从而，再加上常用的机器学习模型，例如GBDT，XGBoost，Light GBM，FM，FFM等，力争将传统的机器学习方法能够融汇互换 :party_popper: 。 统计学习方法｜感知机模型 模型理论讲解： 模型代码实现： ， 统计学习方法｜ K近邻 模型理论讲解： 模型代码实现： ， 统计学习方法｜朴素贝叶斯 模型理论讲解： 模型代码实现： ， 统计学习方法｜

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：24117248
    • 提供者：weixin_42131861

  1. Supervised-project-Electricity-Forecast--源码

  2. 蒙特利尔HEC监督项目“机器学习方法的探索：在德国电力市场中的应用” 该项目的目的是使用德国电力市场数据探索机器学习模型。这个受监督的项目是我在蒙特利尔HEC应用金融经济学理学硕士课程的一部分。 我使用的数据来自两个来源：1）ENTSOE用于电力市场数据，2）DWD用于天气数据。数据集可在GitHub上获得。 该代码以jupyter Notebook格式显示。有五个笔记本，其中包含以下型号： 普通最小二乘-用于价格和需求预测随机森林-用于需求预测XGBoost-用于需求预测Logistic回归-

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：3145728
    • 提供者：weixin_42099936

  1. UCI_Credit_Card_Default:该数据集包含有关2005年4月至2005年9月台湾地区信用卡客户的默认付款，人口统计因素，信用数据，付款历史和账单的信息-源码

  2. UCI_Credit_Card_Default 该数据集包含有关2005年4月至2005年9月台湾地区信用卡客户的默认付款，人口统计学因素，信用数据，付款历史和账单报表的信息。我们使用Logistic回归进行预测，并使用机器学习和Keras进行了3层分析使用深度学习进行预测。由于数据存在类不平衡问题，因此我们将使用SMOTE对数据进行过度采样，然后重新运行这两个模型。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：69632
    • 提供者：weixin_42116791

  1. Heart-Failure-Classifier-with-Python:这是kaggle提供的一项任务，其中包括创建一个分类器算法，该算法可以使用血液信息和其他一些功能来预测心脏病发作-源码

  2. Python心脏衰竭分类器 这是kaggle提供的一项任务，其中包括创建一个分类器算法，该算法可以使用血液信息和其他一些功能来预测心脏病发作。 在这个项目中，我尝试了3种不同的机器学习模型，即随机森林分类器，SVC和Logistic回归器，其中两个在数据框中运行良好，但是SVC无法正常工作，因此我决定将其从笔记本中删除，在这个项目中，我专注于数据分析，但是缺少功能工程。 同样在这个项目中，我还没有开始使用github，所以我再次希望你理解这一点并下载数据以运行代码。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：174080
    • 提供者：weixin_42160278

  1. stock_market_proj-源码

  2. 预测标准普尔500指数回报：项目概述 建立了机器学习模型，该模型可帮助预测SPDR S＆P 500 ETF使用前几天的收益和交易量在给定的基础上会上升还是下降。 产生41％的测试错误率，显示出比纯机会（50％）有所改善。 使用LASSO为模型选择了最佳变量。 比较了Logistic回归，线性判别分析和二次判别分析的性能。 直通项目 使用资源 数据： 。 所有美国股票和ETF的历史每日价格和交易量。 Kaggle。 2018。 有关ETF的信息： 。 Investopedia。 2020

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：232448
    • 提供者：weixin_42097508

  1. Machine-Learning-Challenge:创建能够对原始数据集中的候选系外行星进行分类的机器学习模型-源码

  2. 机器学习挑战 在深空太空中使用了九年，NASA开普勒太空望远镜一直在执行寻星任务，以发现我们太阳系之外的隐藏行星。 为了帮助处理这些数据，您将创建机器学习模型，该模型能够对原始数据集中的候选系外行星进行分类。 文件索引 随附以下文件： ：具有KNN分类器的模型1 ：具有Logistic回归的模型2 ：具有随机森林的模型3 ：转储的经过训练的模型文件 GridSearch用于优化模型参数 对于KNN模型： param_grid = { "n_neighbors" : r

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_42131414

  1. chronic-kidney-disease-kaggle:使用机器学习模型基于一些功能来预测患者是否患有慢性肾脏疾病。 还解释了模型的结果，以使卫生从业人员更容易理解-源码

  2. 慢性肾脏疾病 数据包括25个特征和400个观察值，这些观察值可以用于预测慢性肾脏疾病。 原始数据集可在中找到，您可以在找到kaggle数据集。 我使用数据清理和数据转换技术（包括数据压缩技术）（例如PCA（主成分分析））来评估Logistic回归和决策树分类器的性能。 这是最终成绩： 不使用标准定标器的逻辑回归：F1-得分：0.992 没有标准缩放器的决策树分类器：F1-分数：0.959 使用标准缩放器进行逻辑回归：F1-得分：0.976 使用标准缩放器和PCA的逻辑回归：F1-得分：0.

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：1048576
    • 提供者：weixin_42173205

  1. machine-learning-challenge-源码

  2. 机器学习-系外行星探索 在深空太空中使用了九年，NASA开普勒太空望远镜一直在执行寻星任务，目的是发现我们太阳系之外的隐藏行星。 为了帮助处理这些数据，您将创建机器学习模型，该模型能够对原始数据集中的候选系外行星进行分类。 预处理数据 在拟合模型之前对数据集进行预处理。 执行功能选择并删除不必要的功能。 使用MinMaxScaler缩放数字数据。 注意：所有清除和分离数据的操作都在ETL.ipynb文件中完成。 这样一来，不必为每个模型重复执行步骤。 将数据分为训练和测试数据。 每种模型

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：4194304
    • 提供者：weixin_42124743

  1. CS230-Duolingo-源码

  2. CS230：Duolingo SLAM共享任务 开发了深度学习模型，可根据他们过去的学习数据预测学生的学习表现。 基线模型和评估脚本从Duolingo的2018年第二语言习得建模共享任务（SLAM）的存档中提供。 该模型是L2规范化logistic回归，并使用按频率加权的SGD进行训练。 设置 该基准模型是用Python编写的。 它依赖于future库与Python 2和3的兼容性，在许多机器上可以通过在控制台中执行pip install future获得。 为了运行任何模型并评估您的预测，

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：11264
    • 提供者：weixin_42136365

  1. breast-cancer-diagnostics-源码

  2. 使用机器学习进行乳腺癌诊断 该项目的目的是采用UCI机器学习存储库中的乳腺癌威斯康星州（诊断）数据集，并应用Logistic回归，朴素贝叶斯，支持向量机，决策树和多层感知器等机器学习模型来提取特征可能最适合预测癌症性质的数据集。 目的是对乳腺癌是良性还是恶性进行分类。 确定基于模型预测的模型的准确性，以相互分析和比较生成的模型，并从模型中选择最佳模型。 多层感知器是测试过的模型中最准确的模型，准确度为97.2％。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_42129797

  1. covid19-second-wave-forecast:ARIMA，先知，XGBoost和NN-源码

  2. 预测葡萄牙确认的COVID-19病例将持续一周 第二波分析挑战，Hack Home卷。 III Tech Católica 领英文章： : 2020年12月5日，Carolina Ferreira，JerónimoGama，Pedro Luis Gomes，Rui Pedro Oliveira和我本人决定参加Hack Home Vol。 第三届Tech Católica和CatólicaLisbon-CTIE。 我们面临的挑战是预测COVID-19累积确诊病例的一周。 我们将分析

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_42117116

  1. cml_churn_demo_mlops-源码

  2. 流失预测原型 该项目是Cloudera机器学习（ ）应用的机器学习项目原型。 它具有在运行的CML实例中部署端到端机器学习项目所需的所有代码和数据。 项目概况 该项目构建了带有模型可解释性项目的电信客户流失， 了更详细的讨论。 最初的想法和代码来自FFL可解释性报告，该报告现已免费提供，您可以在阅读完整的报告 目标是使用Logistic回归建立分类器模型，以预测电信公司的一组客户的流失几率。 最重要的是，可以使用解释模型。 然后使用CML的实时模型部署功能部署Logistic回归模型和LIM

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：2097152
    • 提供者：weixin_42166105

  1. MachineLearningEngineerWithMicrosoftAzure03-源码

  2. Capstone项目-使用Microsoft Azure进行机器学习 目录 概述 设置和安装 数据集 概述 任务 使用权 自动化机器学习 结果 未来的改善 超参数调整 结果 未来的改进 模型部署 屏幕录像 项目简介 对于此项目，我们使用了Kaggle提供的Azure ML生态系统外部的数据集。 Azure ML的automl API支持它。 在此任务中，我们将在数据集上训练我们的模型并部署最佳模型。 使用Logistic回归算法训练二进制分类模型。 文件使用自动ML训练模型，并部署作为Web服务

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：51200
    • 提供者：weixin_42122340

  1. 垃圾邮件分类项目-源码

  2. 垃圾邮件分类项目 理想情况下，模型的估计性能可以告诉我们它在看不见的数据上的表现如何。 对未来数据进行预测通常是我们要解决的主要问题。 选择度量标准之前了解上下文非常重要，因为每种机器学习模型都会尝试使用不同的数据集来解决具有不同目标的问题。 Logistic回归没有改变，因为它的参数已经是最好的了。 即使SVC取得了很大的进步，但它的速度仍然很慢，但仍然不是最好的。 朴素贝叶斯（Naive Bayes）成功预测了4945个实际垃圾邮件中的4894个。 但是，Logistic回归和朴素贝叶斯彼此

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：228352
    • 提供者：weixin_42134285

  1. ML_Mini_Projects：Springboard的机器学习迷你项目-源码

  2. ML_Mini_Projects Springboard的机器学习迷你项目 该存储库包含四个由通用ML方法组成的机器学习微型项目。 以下是每个项目的简短说明： 线性回归：以波士顿住房数据为例说明线性回归模型。 Logistic回归：关于体重-身高数据的性别分类示例。 朴素贝叶斯：使用多项朴素贝叶斯对电影分级进行文本分析。 Clusternig：基于客户对营销能力的响应的K-Means算法，用于客户聚类。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42122432

  1. 百草枯项目-源码

  2. 百草枯项目 医疗错误很难被发现和解决，尤其是在医院医生在压力下工作时，例如在急诊室。 数据分析和机器学习模型可以帮助医生减少医疗诊断中的错误。 该项目的目的是开发一种系统，该系统可帮助医生基于Vejle Sygehus急诊室的X射线图像检测肺炎病例。 该项目研究了不同的算法和技术，以便获得最佳的准确性分数。 它比较了从训练117种不同模型获得的准确性得分。 这些模型属于以下算法：卷积神经网络，支持向量机和Logistic回归。 所获得的最佳模型属于CNN算法，其准确性分数如下：准确性率为0.96

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1024
    • 提供者：weixin_42140625

  1. 数据科学组合：数据科学项目组合-源码

  2. 数据科学组合（建设中） 包含数据科学项目组合的存储库。 以Jupyter笔记本的形式呈现。 有关我的专业经验的更多详细信息，请访问 机器学习 监督 目标 预测新情况下的现象行为（测试数据）。 研究解释变量和答案之间的关系。 检查预测的质量。 线性回归 简短说明：建立标量响应与一个或多个说明变量（也称为因变量和自变量）之间关系的线性方法 应用程序：分析产品销售的营销效果，定价和促销，评估金融服务或保险领域的风险，根据价格，趋势线等来预测产品的销售情况。 示例：：一种机器学习模型，用于预

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：852992
    • 提供者：weixin_42118160

  1. Logistic回归机器学习模型-源码

  2. Logistic回归机器学习模型 •集成了Python的TensorFlow机器学习库，并构建了一个实现逻辑回归算法的深层人工神经网络。 •利用神经网络中必要的激活函数来解决二进制分类问题。 •使用实际数据集训练和评估机器学习模型。 •通过对新的结构化数据使用模型，实现了78％的准确性。

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：45056
    • 提供者：weixin_42126399

  1. ML-Predictions：机器学习引擎使用回归功能在给定任何数据集的情况下生成预测-源码

  2. 机器学习-预测 Travic CI构建状态： 目录 第0章-关于 机器学习引擎使用回归在给定任何数据集的情况下生成预测。 技术：预测算法熊猫数据框相似度度量matplotlib根均值平方误差度量多元模型scipy scikit-learn超参数优化交叉验证aws-lambda线性回归knn回归logistic回归单元测试连续积分二进制分类k均值聚类相关sklearn多分类 由于我们要通过使用选定的训练/测试验证基于选定的训练特征列表来预测给定数据集的选定目标特征（列）的特定最佳数值，因此使用回

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42168830
« 12 3 »