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. 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. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课

  2. 2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课 课程介绍: 从基本的软件安装到必备的Python扩展讲起，然后对机器学习算法一一讲解，同时配合编程实操的实现过程，适合零基础系统学习，配套资料包括讲义作业软件数据都有。 课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.

  3. 所属分类：机器学习

    • 发布日期：2018-05-04
    • 文件大小：2048
    • 提供者：happyzhangdi008

  1. 决策树算法python代码实现

  2. 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。 决策树是一种树形结构，其中每个内部节点

  3. 所属分类：机器学习

    • 发布日期：2018-06-01
    • 文件大小：4096
    • 提供者：u010919410

  1. 波士顿房价决策树python编码

  2. 波士顿房价机器学习作业python编码，策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：3072
    • 提供者：qq_32900573

  1. ID3算法的python实现

  2. ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。

  3. 所属分类：机器学习

    • 发布日期：2018-07-18
    • 文件大小：5120
    • 提供者：king_panp

  1. python实现决策树分类算法

  2. python实现机器学习之决策树分类算法，简单易学，而且可直接运行。

  3. 所属分类：机器学习

    • 发布日期：2018-07-23
    • 文件大小：7168
    • 提供者：xiaoxiao_yang77

  1. 机器学习常用各类算法详解

  2. 01-机器学习_（python数据类型详解） 01-机器学习_（python语言与numpy库） 02-机器学习_（knn分类算法与应用） - 简化版 03-机器学习_（贝叶斯分类算法与应用） 04-机器学习_（kmeans聚类算法与应用） 05-机器学习_（协同过滤推荐算法与应用） 06-机器学习_（决策树分类算法与应用） 07-机器学习_（lineage回归分类算法与应用）

  3. 所属分类：Python

    • 发布日期：2018-08-22
    • 文件大小：1048576
    • 提供者：ka7iu

  1. 决策树 python

  2. 1．分类决策树模型是表示基于特征对实例进行分类的树形结构。决策树可以转换成一个if-then规则的集合，也可以看作是定义在特征空间划分上的类的条件概率分布。 2．决策树学习旨在构建一个与训练数据拟合很好，并且复杂度小的决策树。因为从可能的决策树中直接选取最优决策树是NP完全问题。现实中采用启发式方法学习次优的决策树。 决策树学习算法包括3部分：特征选择、树的生成和树的剪枝。常用的算法有ID3、 C4.5和CART。

  3. 所属分类：机器学习

    • 发布日期：2020-05-06
    • 文件大小：8192
    • 提供者：qq_44990155

  1. Python决策树分类算法学习

  2. 主要为大家详细介绍了Python决策树分类算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：114688
    • 提供者：weixin_38547882

  1. Python决策树分类算法学习

  2. 从这一章开始进入正式的算法学习。 首先我们学习经典而有效的分类算法：决策树分类算法。 1、决策树算法 决策树用树形结构对样本的属性进行分类，是最直观的分类算法，而且也可以用于回归。不过对于一些特殊的逻辑分类会有困难。典型的如异或（XOR）逻辑，决策树并不擅长解决此类问题。 决策树的构建不是唯一的，遗憾的是最优决策树的构建属于NP问题。因此如何构建一棵好的决策树是研究的重点。 J. Ross Quinlan在1975提出将信息熵的概念引入决策树的构建，这就是鼎鼎大名的ID3算法。后续的C4.5

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：112640
    • 提供者：weixin_38713450

  1. sklearn之决策树

  2. sklearn之决策树简介 第一次写博客，这里就写一下最近在学习的，易快速上手的sklearn吧。 sklearn入门 scikit-learn，又写作sklearn，是一个开源的基于python语言的机器学习工具包。它通过NumPy, SciPy和Matplotlib等python库实现高效的算法应用，并且涵盖了几乎所有主流机器学习算法。本篇主要介绍决策树。 决策树 决策树是一种有监督学习，从一系列有数据特征和标签的数据中每次选择某一特征来作为划分依据，也就是树的节点，来划分数据。依次进行直到

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：56320
    • 提供者：weixin_38638647

  1. Python机器学习算法库scikit-learn学习之决策树实现方法详解

  2. 本文实例讲述了Python机器学习算法库scikit-learn学习之决策树实现方法。分享给大家供大家参考，具体如下： 决策树 决策树(DTs)是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过从数据特性中推导出简单的决策规则来预测目标变量的值。 例如，在下面的例子中，决策树通过一组if-then-else决策规则从数据中学习到近似正弦曲线的情况。树越深，决策规则越复杂，模型也越合适。 决策树的一些优势是: 便于说明和理解，树可以可视化表达； 需要很少的数据准备。其他技

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：277504
    • 提供者：weixin_38737283

  1. YiQi-ZombieCompanyClassifier:易企|僵尸企业分类系统2020年第十一届中国大学生服务外包创新创业大赛A09赛题-僵尸企业画像及分类决策树，随机森林与XGBoost投票投票支持Web端访问Bootstrap + D

  2. 易企|僵尸企业分类系统 该项目是2020年第十一届中国大学生服务外包创新创业大赛A09赛题-僵尸企业画像及分类我们团队提交作品的源码。该项目主要任务是要根据给定的企业信息，进行二分类，判断是僵尸企业和非僵尸企业。 本项目分为两部分，第一部分是机器学习训练模型，业务与统计两个角度构造特征，使用RFECV作特征筛选，算法主要使用决策树，随机森林与XGBoost，网格搜索五折交叉参数调优，并使用投票分类器融合，权重使用遗传算法确定，并造成数据融合。第二部分是Web可视化界面，用于支持拆分和批量企业信息

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：6291456
    • 提供者：weixin_42132359

  1. 机器学习课程-源码

  2. 机器学习课程（Python / R） 第1部分-数据预处理 第2部分-回归：简单线性回归，多重线性回归，多项式回归，SVR，决策树回归，随机森林回归 第3部分-分类：逻辑回归，K-NN，SVM，内核SVM，朴素贝叶斯，决策树分类，随机森林分类 第4部分-聚类：K-Means，分层聚类 第5部分-关联规则学习：Apriori，Eclat 第6部分-强化学习：置信区间上限，汤普森抽样 第7部分-自然语言处理：NLP的词袋模型和算法 第8部分-深度学习：人工神经网络，卷积神经网络 第9部分-降维：

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：5242880
    • 提供者：weixin_42118011

  1. USA_HousesSalePrice-RegClas：Python scikit机器学习决策树和随机森林算法，用于对美国房屋的销售价格进行回归和分类-源码

  2. USA_HousesSalePrice-RegClas Python机器学习决策树和随机森林算法，用于对美国房屋的销售价格进行回归和分类。 在这个Jupyter笔记本中，我使用Python Pandas和Sklearn模块进行了数据集分析，并处理了USA Housing Dataset（ ）的缺失值。 我在回归和分类问题上都实现了这两种算法，并在笔记本结尾比较了这两种算法的结果。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：240640
    • 提供者：weixin_42097508

  1. ML-Starter-Pack：从sctrach编写的机器学习算法的集合-源码

  2. ML-入门包 1.人工神经网络（ANN） 它包含一个用Python从头实现的人工神经网络。 2.关联规则学习（先验方法） 关联规则学习是一种基于规则的机器学习方法，用于发现大型数据库中变量之间的有趣关系，旨在使用一些有趣程度来识别在数据库中发现的强大规则。该文件夹包含一个说明该算法的.py文件。 3.决策树分类器 决策树学习使用决策树（作为预测模型）从对项目（在分支中表示）的观察到对项目目标值（在叶子中表示）的结论。 它包含以下实现1.雨量预测决策树2.基本决策树3.虹膜数据集的决策树可视化

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16777216
    • 提供者：weixin_42131728

  1. Blooddonordiction：由于数字化，我们经常可以访问大型数据库，该数据库包含各种信息领域，从数字到文本甚至是布尔值。 这样的数据库特别适合于机器学习，分类和大数据分析任务。 假设我们掌握其他字段的信息，我们便能够使用现有数据训练

  2. 献血者预测 引用我们！ 抽象 由于数字化，我们经常可以访问大型数据库，该数据库包含各种信息领域，从数字到文本，甚至是布尔值。 这样的数据库特别适合于机器学习，分类和大数据分析任务。 假设我们掌握其他字段的信息，我们便能够使用现有数据训练分类器，并将其用于预测某个字段的值。 最具体地说，在这项研究中，我们查看了由医院编制的电子健康记录（EHR）。 这些EHR是访问单个患者数据的便捷方式，但是从整体上来说，处理仍然是一项任务。 但是，通过使用分类器，由连贯的，制表良好的结构组成的EHR非常适合于机

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：379904
    • 提供者：weixin_42172204

  1. 算法交易：使用机器学习进行算法交易-源码

  2. 算法交易 该机器学习算法是使用Python 3和带有决策树分类器的scikit-learn构建的。 该程序使用Google Finance API和熊猫收集股票数据。 数据使用matplotlib进行说明。 红线表示当我们不持有股票时的股价走势，绿线表示当我们持有股票时的股价走势。 蓝线表示一段时间内的现金水平，我们从100美元开始（因此，在这种情况下，我们也可以将其解释为股票的百分比回报率）。 预期现金价值是我们在整个期间内简单持有股票所获得的回报。 绩效是现金价值与预期现金价值之间的比率，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：173056
    • 提供者：weixin_42112685

  1. python机器学习算法实训 – （四）实现决策树

  2. 1.什么是决策树 决策树是一种树型结构，其中每个内部结点表示在一个属性上的测试，每个分支代表一个测试输出，每个叶结点代表一种类别。 决策树学习是以实例为基础的归纳学习，通过一系列规则对数据进行分类的过程。 决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一棵熵值下降最快的树，到叶子节点处的熵值为零，此时每个叶节点中的实例都属于同一类。 简单来说，我们生活中随时会用到这样的判断方法，比如这样： 2.决策树的特点 决策树学习算法的最大优点是，它可以自学习 在学习的过程中，不需要

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：371712
    • 提供者：weixin_38617413

  1. Python构建图像分类识别器的方法

  2. 机器学习用在图像识别是非常有趣的话题。 我们可以利用OpenCV强大的功能结合机器学习算法实现图像识别系统。 首先，输入若干图像，加入分类标记。利用向量量化方法将特征点进行聚类，并得出中心点，这些中心点就是视觉码本的元素。 其次，利用图像分类器将图像分到已知的类别中，ERF（极端随机森林）算法非常流行，因为ERF具有较快的速度和比较精确的准确度。我们利用决策树进行正确决策。 最后，利用训练好的ERF模型后，创建目标识别器，可以识别未知图像的内容。 当然，这只是雏形，存在很多问题： 界面不友好。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：58368
    • 提供者：weixin_38591291
« 12 3 »