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. 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. SVM算法-Python实现

  2. SVM法即支持向量机(Support Vector Machine)法，由Vapnik等人于1995年提出，具有相对优良的性能指标。该方法是建立在统计学习理论基础上的机器学习方法。通过学习算法，SVM可以自动寻找出那些对分类有较好区分能力的支持向量，由此构造出的分类器可以最大化类与类的间隔，因而有较好的适应能力和较高的分准率。该方法只需要由各类域的边界样本的类别来决定最后的分类结果。 支持向量机算法的目的在于寻找一个超平面H(d),该超平面可以将训练集中的数据分开，且与类域边界的沿垂直于该超平

  3. 所属分类：Python

    • 发布日期：2014-09-01
    • 文件大小：5120
    • 提供者：x10232

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14680064
    • 提供者：hardpen2013

  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

  3. 所属分类：Python

    • 发布日期：2019-07-15
    • 文件大小：240640
    • 提供者：lingfeian

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：41943040
    • 提供者：h394266861

  1. Python 支持向量机分类器的实现

  2. 主要介绍了Python 支持向量机分类器的实现，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：47104
    • 提供者：weixin_38614462

  1. SVM基本概念及Python实现代码

  2. SVM（support vector machine）支持向量机： 注意：本文不准备提到数学证明的过程，一是因为有一篇非常好的文章解释的非常好：支持向量机通俗导论（理解SVM的三层境界） ，另一方面是因为我只是个程序员，不是搞数学的（主要是因为数学不好。），主要目的是将SVM以最通俗易懂，简单粗暴的方式解释清楚。 线性分类： 先从线性可分的数据讲起，如果需要分类的数据都是线性可分的，那么只需要一根直线f(x)=wx+b就可以分开了，类似这样： 这种方法被称为：线性分类器，一个线性分类器的学习目

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：236544
    • 提供者：weixin_38548394

  1. Python 支持向量机分类器的实现

  2. 支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：44032
    • 提供者：weixin_38742647

  1. python,sklearn,svm,遥感数据分类,代码实例

  2. python,sklearn,svm,遥感数据分类,代码实例 python_sklearn_svm遥感数据分类代码实例 （1）svm原理简述 支持向量机（Support Vector Machine，即SVM）是包括分类（Classification）、回归(Regression)和异常检测(Outlier Detection)等一系列监督学习算法的总称。对于分类，SVM最初用于解决二分类问题，多分类问题可通过构建多个SVM分类器解决。SVM具有两大特点：1.寻求最优分类边界，即求解出能够正确划

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：95232
    • 提供者：weixin_38633897

  1. Aspect-Based-Sentiment-Analysis:一个为SemEval 2016数据集实现基于方面的情感分析分类系统的python程序-源码

  2. 基于方面的情感分析 基于方面的情感分析任务专注于识别方面类别和文本中的情绪（正面，负面，中性）分类。 基于方面的情感分析的目的是确定针对特定方面表达的情感极性。 该系统基于使用支持向量机（SVM）的监督学习。 多标签svc分类器用于将笔记本电脑评论分为20个方面类别，还可以将评论分为正面，负面或中性。 对于每种情感，都使用多标签svc分类器。 系统的性能也与其他分类器进行了比较。 数据集 所需的库 Scikit学习 纳尔特克 大熊猫 麻木 PS：这是加德满都大学计算机科学与工程系最后一年的一个为

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：547840
    • 提供者：weixin_42137723

  1. KernelMethods_MVA_Kaggle:与“内核方法”课程的MVA Kaggle挑战相关的代码-源码

  2. KernelMethods_MVA_Kaggle 与“内核方法”课程的MVA Kaggle挑战相关的代码。 建议方案 a）实现线性分类器以使用_mat100.csv文件（例如，逻辑回归）。 您也可以从用作分类器的岭回归估计量开始（标签-1或+1上的回归），因为这很容易实现。 ＃尼古拉斯（21/02） b）使用高斯核（仍使用*_mat100.csv文件）移至非线性分类器。 内核岭回归是一个不错的选择，但是您可以使用支持向量机（使用QP求解器）。 为什么从内核岭回归开始？ 因为它可以用几行代码实

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：13312
    • 提供者：weixin_42133753

  1. ML-SVM-二进制分类器-源码

  2. ML-SVM-二进制分类器 该程序利用scikit-learn强大的支持向量机类型库，对大小和形状各异的三个独立数据集上的数据进行分类。 有关数据可视化，请参见主.ipynb文件。 文件：/ data：三个单独的数据集，每个数据集分为两类。 main_SVM.ipynb：在jupyter notebok中使用python进行可视化的主文件。 使用scikit学习来实现支持向量机的几种不同的内核类型，以尝试对每个数据集进行分类。 跑步： 由于这是一个jupyter笔记本，因此无需运行即可查

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：211968
    • 提供者：weixin_42131601

  1. python实现感知机线性分类模型示例代码

  2. 前言 感知器是分类的线性分类模型，其中输入为实例的特征向量，输出为实例的类别，取+1或-1的值作为正类或负类。感知器对应于输入空间中对输入特征进行分类的超平面，属于判别模型。 通过梯度下降使误分类的损失函数最小化，得到了感知器模型。 本节为大家介绍实现感知机实现的具体原理代码: 运 行结果如图所示： 总结 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对软件开发网的支持。 您可能感兴趣的文章:

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：148480
    • 提供者：weixin_38577551

  1. Movie_Success_Prediction_Data_Mining:通过ML算法（朴素贝叶斯，支持向量机，决策树）基于IMDb数据预测电影成功-源码

  2. INSE6180 使用3个研究论文的数据挖掘算法实现。 该项目使用所有上述算法对从IMDb数据库获得的数据进行ML分析。 这些算法（朴素贝叶斯算法，决策树算法和支持向量机）在不同的数据集上效果最佳，但为了使它们更公平，已使用了新的IMDb数据库。 首先，对数据进行清洗，预处理，修剪然后整合，以便为分类器提供可能的最佳有意义数据。 考虑到要进行分析，分类器从头开始用Python语言编写了脚本。 最后，在已开发的分类器中进行分析，并进行比较研究。 队友：Gursimran Singh –400

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：2097152
    • 提供者：weixin_42109732