您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. The Elements of Statistical Learning

  2. Preface to the Second Edition vii Preface to the First Edition xi 1 Introduction 1 2 Overview of Supervised Learning 9 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2 Variable Types and Terminology . . . . . . . . . . . . .
  3. 所属分类:Web开发

    • 发布日期:2009-10-28
    • 文件大小:8388608
    • 提供者:yangyx_006
  1. The Elements of Statistical Learning Data Mining Inference and Prediction

  2. 机器学方面一本很新, 很全面的书。 pdf超好。 彩版的。 Chapter What’s new 1. Introduction 2. Overview of Supervised Learning 3. Linear Methods for Regression LAR algorithm and generalizations of the lasso 4. Linear Methods for Classification Lasso path for logistic regressi
  3. 所属分类:Web开发

    • 发布日期:2009-11-29
    • 文件大小:8388608
    • 提供者:qetqwwueoto
  1. 机器学习的数学基础 (英文,综述)

  2. 从数学角度阐述阐述了统计机器学习的基本问题, 相关概念及误差分析, 并给出了最基础的算法, 是数学系学生学习机器学习的良好入门材料.
  3. 所属分类:讲义

    • 发布日期:2014-12-10
    • 文件大小:581632
    • 提供者:tfcolinmath
  1. The Elements of Statistical Learning 统计学习精要

  2. Chapter What’s new 1. Introduction 2. Overview of Supervised Learning 3. Linear Methods for Regression LAR algorithm and generalizations of the lasso 4. Linear Methods for Classification Lasso path for logistic regression 5. Basis Expansions and Reg
  3. 所属分类:数据库

    • 发布日期:2016-06-08
    • 文件大小:12582912
    • 提供者:wujianghonglong
  1. The Elements of Statistical Learning data Mining,Inference,and Prediction

  2. 统计学习数据挖掘推理和预测的要素 This is page v Printer: Opaque this To our parents: Valerie and Patrick Hastie Vera and Sami Tibshirani Florence and Harry Friedman and to our families: Samantha, Timothy, and Lynda Charlie, Ryan, Julie, and Cheryl Melanie, Dora, Mo
  3. 所属分类:机器学习

    • 发布日期:2018-04-27
    • 文件大小:12582912
    • 提供者:zoo_ever
  1. 哪个更好? RKHS与R ^ m在减少的SVM上的正则化

  2. 哪个更好? RKHS与R ^ m在减少的SVM上的正则化
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:869376
    • 提供者:weixin_38667207
  1. 复值内核增量金属学习算法

  2. Metalearning算法学习基础学习算法,从而提高学习系统的性能。 通常,与原始基础学习算法相比,金属学习算法具有更快的收敛速度和更低的均方误差(MSE)。 内核方法是将算法从线性情况扩展到非线性情况的强大工具。 在先前的工作中,我们提出了一种内核增量金属学习算法(KIMEL)。 近年来,复杂的价值信号处理算法由于其广泛的适用性而越来越受欢迎。 在本文中,我们提出了复杂的价值KIMEL(CKMIEL),有两个版本。 一种基于真实的RKHS的复杂性,称为CKIMEL1,另一种基于纯复杂的内核,
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:1048576
    • 提供者:weixin_38625448
  1. 公平项目合作主题-源码

  2. 公平项目合作主题 通过在RKHS中嵌入公平特征进行公平的内核回归。 接受了国际人工智能工具大会(ICTAI),2019年。 。 通过模型集成提高预测公平性。 接受了国际人工智能工具会议(ICTAI),2019年。 。 FastText通过样本选择偏差校正从自我报告的Twitter数据中学习。 ACM落基山计算机妇女庆祝活动,2018年。 。
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:1048576
    • 提供者:weixin_42160645
  1. DLE_paper:此存储库包含R脚本,这些脚本可重现论文中的分析结果-源码

  2. 什么是NPEB? NPEB是用于离散线性指数族中复合估计的非参数经验贝叶斯估计框架,其中包括现代大数据应用中经常出现的一类广泛的离散分布。 拟议的框架通过求解可扩展的凸规划,直接估计了广义罗宾斯公式中的贝叶斯收缩因子,该凸规划是根据斯坦因差异度量的RKHS表示精心开发的。 新的NEB估计框架可以灵活地将各种结构约束合并到数据驱动的规则中,并提供了一种统一的方法来进行复合估计,同时具有规则和比例平方的误差损失。 如何使用此存储库? 该存储库包含用于重现论文[1]中分析的脚本。 给我发电子邮件,
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:55296
    • 提供者:weixin_42144554
  1. 扩展高斯核的明确描述

  2. 内核方法在机器学习,模式识别和数据挖掘中起着重要作用。 尽管内核函数是内核方法的核心部分,但对其重现内核希尔伯特空间(RKHS)的结构以及积分算子的特征值知之甚少。 在本文中,我们首先给出扩展高斯核的定义,其中包括高斯核作为特例。 然后,通过Weyl内积的推广形式,我们给出了扩展高斯核的RKHS的明确描述。 此外,使用Funk-Hecke公式,我们获得了单位球面上积分算子的特征值和特征函数。
  3. 所属分类:其它

    • 发布日期:2021-03-31
    • 文件大小:191488
    • 提供者:weixin_38557838
  1. 多层运动下鲁棒点匹配的混合模型

  2. 本文提出了一种在多层运动下建立两组点之间鲁棒点对应关系的有效混合模型。 我们的算法从创建一组推定的对应关系开始,这些推定的对应关系除了真实的对应关系(内含物)外,还可以包含许多错误的对应物或离群值。 接下来,我们通过在基于混合模型的推定对应集上插值一组空间变换来求解对应关系,这涉及估计其匹配遵循非参数几何约束的内点的一致性。 我们将其表示为具有隐藏/潜在变量的贝叶斯模型的最大后验(MAP)估计,该变量指示推定集合中的match是离群值还是离群值。 我们在重现内核希尔伯特空间(RKHS)中对对应关
  3. 所属分类:其它

    • 发布日期:2021-03-28
    • 文件大小:805888
    • 提供者:weixin_38560039