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. Neural_Network_Charity_Analysis-源码

  2. Neural_Network_Charity_Analysis 客观的 该项目的目的是帮助Bek建立预测模型，其中该模型具有预测“ Alphabet Soup组织”的申请人是否能够获得成功的能力。 我们在此分析中使用的工具是机器学习和神经网络以及CSV数据文件，其中包含34,000多个组织，这些组织多年来已从Alphabet Soup获得了资助 预处理神经网络模型的数据 我们拥有的数据集是原始数据，其中包含大量缺失和不可用的值。 我们必须进行清理，才能将机器学习神经网络模型应用于分析。 清理后

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：995328
    • 提供者：weixin_42098892

  1. Neural_Network_Charity_Analysis：使用机器学习和神经网络创建一个二进制分类器，该分类器能够预测如果由Alphabet Soup资助的申请人是否会成功-源码

  2. Neural_Network_Charity_Analysis 使用机器学习和神经网络创建一个二进制分类器，该分类器能够预测如果由Alphabet Soup资助的申请人是否会成功。 数据预处理 哪些变量被认为是模型的目标？ 该模型的目标变量是“ IS_SUCCESFUL”，因为我们希望该模型确定如果由Alphabet Soup资助的话申请人是否会成功 哪些变量被视为模型的功能？ 功能变量是除目标，名称和EID列以外的所有内容 哪些变量既不是目标也不是特征，应该从输入数据中删除？ 名称和E

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：932864
    • 提供者：weixin_42109598

  1. Neural_Network_Charity_Analysis：机器学习和神经网络-源码

  2. Neural_Network_Charity_Analysis 机器学习和神经网络 分析概述： 开发了一种二进制分类器，该分类器利用机器学习和神经网络来确定所提供数据集中的申请人是否会获得成功（如果提供资金）。 提供的数据集包含大约34,000个组织，每个组织有12列数据。 最初，使用的深度学习神经网络模型包括运行100个纪元和2个隐藏层的模型。 为了优化模型，该模型随后运行了150个时期，每个隐藏层运行了更多节点。 两次尝试使模型执行的准确性都超过73％均未成功。 结果： 数据预处理 “

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：1004544
    • 提供者：weixin_42127775

  1. Neural_Network_Charity_Analysis：神经网络模型分析-源码

  2. 在本模块中，将使用Python中的TensorFlow平台探索和实现神经网络。 讨论了计算神经元的背景和历史，以及应用于深度学习的神经网络的当前实现。 讨论了不同神经网络的主要成本和收益，并将这些成本与传统的机器学习分类和回归模型进行比较。 此外，还练习了跨许多不同的数据集（包括图像，自然语言和数字数据集）实施神经网络和深度神经网络。 最后，学习了如何存储和检索经过训练的模型以用于更强大的用途。 统计分析概述： 在此模块挑战中，将执行数据分析以帮助基金会（字母汤）预测在何处进行投资。 使用了机

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：827392
    • 提供者：weixin_42135773

  1. Neural_Network_Charity_Analysis-源码

  2. Neural_Network_Charity_Analysis 分析概述 利用机器学习和神经网络的知识，创建一个二进制分类器，该分类器能够预测如果由Alphabet Soup资助的申请人是否会成功。 此项目有四个可交付成果： 预处理神经网络模型的数据 编译，训练和评估模型。 优化模型 神经网络模型的书面报告 资源资源 数据源： 工具： 的Python 3.6.1 大熊猫 神经网络 斯克莱恩 model_selection train_test_split 预处理 标准缩放器 One

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：4194304
    • 提供者：weixin_42151772