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. 机器学习包-Mlxtend 0.9.0 文档-英文

  2. 机器学习包-Mlxtend 0.9.0 文档-英文。。。。。。。。。。。。

  3. 所属分类：机器学习

    • 发布日期：2018-07-23
    • 文件大小：4194304
    • 提供者：escaiyi

  1. 机器学习stacking分类模型.zip

  2. mlxtend 包，由Sebastian Raschka开发的一个工具集，初衷也是写下一些在其他包中没有找到的特定算法，是一个机器学习扩展工具库，属于开源文件，仅作个人兴趣使用

  3. 所属分类：机器学习

    • 发布日期：2020-04-06
    • 文件大小：40894464
    • 提供者：m0_37971105

  1. python机器学习包mlxtend的安装和配置详解

  2. 主要介绍了python机器学习包mlxtend的安装和配置详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：111616
    • 提供者：weixin_38689027

  1. python 实现关联规则算法Apriori的示例

  2. 首先导入包含apriori算法的mlxtend库， pip install mlxtend 调用apriori进行关联规则分析，具体代码如下，其中数据集选取本博客 “机器学习算法——关联规则” 中的例子，可进行参考，设置最小支持度（min_support）为0.4，最小置信度（min_threshold）为0.1， 最小提升度（lift）为1.0，对数据集进行关联规则分析， from mlxtend.preprocessing import TransactionEncoder from m

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：47104
    • 提供者：weixin_38706197

  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. E-Commerce-Recommendations:电子商务项目推荐系统（Python）-源码

  2. 电子商务建议 电子商务项目推荐系统（Python） 使用Pandas使用SQLite进行分析 使用方法 使用SQLite和Pandas进行数据分析 市场篮分析 先验算法 关联规则挖掘 使用的技术/图书馆 的Python 3 SQLite3 大熊猫 NumPy mlxtend 朱皮特 描述 该项目的前提是在电子商务行业中一个假设的公司“ The Company”，该公司希望开发推荐系统。 除其他许多相关产品外，“公司”还专门销售粘合剂和密封剂。 有两个部分： 笔记本：包括代码和技术部门

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：8388608
    • 提供者：weixin_42136791

  1. Forage-QVI：由Forage托管的Quantium虚拟体验计划-源码

  2. 饲料定量数据分析虚拟体验计划 我提交的该程序的3个任务： 数据准备和客户分析， 实验和提升测试，以及 分析和商业应用。 依存关系 语言：Python 3.8 软件包：pandas，matplotlib，mlxtend，datetime，sklearn，scipy 项目概述和任务见解 该虚拟体验计划涉及分析在超市购买芯片的情况。 该项目的目的是通过新的布局来评估不同客户的购买行为和试用商店的性能，以提供对客户的客户偏好的见解，并提供有关试用是否成功的建议。 任务1：数据准备和客户分析 文件：Q

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：13631488
    • 提供者：weixin_42168830

  1. 深度学习模型：各种深度学习架构，模型和技巧的集合-源码

  2. 深度学习模型 Jupyter Notebook中TensorFlow和PyTorch的各种深度学习架构，模型和技巧的集合。 传统机器学习 感知器[TensorFlow 1： | ] [PyTorch： | ] 逻辑回归[TensorFlow 1： | ] [PyTorch： | ] Softmax回归（多项逻辑回归） [TensorFlow 1： | ] [PyTorch： | ] 虹膜上带有MLxtend的plot_decision_regions的Softmax

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：15728640
    • 提供者：weixin_42128141

  1. madpy-ml-sklearn-2018：MadPy监督机器学习讲座-源码

  2. 使用scikit-learn在Python中进行监督的机器学习 在Madison Python（MadPy）聚会中的“使用scikit-learn在Python中进行监督式机器学习”的材料。 幻灯片的实时版本可以在找到。 安装 生成幻灯片的依赖项为： numpy pandas jupyter scikit-learn mlxtend matplotlib graphviz 使用conda 可以通过以下方式创建安装了这些依赖项的conda环境： conda env create

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：2097152
    • 提供者：weixin_42129797

  1. insidesherpa_quantium_virtual-experience：由InsideSherpa托管的Quantium虚拟实习计划-源码

  2. InsideSherpa 该程序包含3个任务。 所有文件都是我对此程序的个人提交。 不是Quantium的模型工作文件。 使用的代码和资源 Python版本： 3.7 软件包： pandas，numpy，sklearn，matplotlib，datetime，scipy，mlxtend 任务1-数据准备和客户分析 对客户的交易数据集进行分析，并确定客户的购买行为以产生见解并提供商业建议。 数据清理： Date列为整数格式（ ）。 将date列更改为datetime数据类型。 确保所有产品都

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：15728640
    • 提供者：weixin_42107491

  1. mlxtend：用于Python的数据分析和机器学习库的扩展和帮助程序模块库-源码

  2. Mlxtend（机器学习扩展）是一个Python库，其中包含用于日常数据科学任务的有用工具。 塞巴斯蒂安·拉什卡（Sebastian Raschka）2014-2020 链接 文档： : PyPI： ：//pypi.python.org/pypi/mlxtend 变更日志： : 贡献： : 有什么问题吗查看 安装mlxtend 聚酰亚胺 要安装mlxtend，只需执行 pip install mlxtend 或者，您可以从Python软件包索引手动下载软件包，解压缩，导航到

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：16777216
    • 提供者：weixin_42143092

  1. python机器学习包mlxtend的安装和配置详解

  2. 今天看到了mlxtend的包，看了下example集成得非常简洁。还有一个吸引我的地方是自带了一些data直接可以用，省去了自己造数据或者找数据的处理过程，所以决定安装体验一下。 依赖环境 首先，sudo pip install mlxtend 得到基础环境。 然后开始看看系统依赖问题的解决。大致看了下基本都是python科学计算用的那几个经典的包，主要是numpy,scipy,matplotlib,sklearn这些。 LINUX环境下的话，一般这些都比较好装pip一般都能搞定。 这里要说的

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：105472
    • 提供者：weixin_38659374