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. libsvm数据格式转换程序

  2. 用于libsvm数据格式的转换，可将mat格式的数据转成libsvm特定的数据格式，并以txt格式保存。非常好用。

  3. 所属分类：其它

    • 发布日期：2010-05-19
    • 文件大小：1024
    • 提供者：lemonyu24

  1. FormatDatalibsvm

  2. 使用SVM工具前，需要进行数据转换，现有的 FormatDatalibsvm下载一般需要积分，本人特此将该工具共享，0积分下载，希望能够对大家有所帮助。 使用步骤如下： 1.先运行FormatDataLibsvm.xls 2.然后将数据粘贴到sheet1的左上角单元格 3.点击"工具"-->"宏"-->执行下面有一个选项（FormatDatatoLibsvm），选中然后运行即可

  3. 所属分类：其它

    • 发布日期：2012-11-24
    • 文件大小：7168
    • 提供者：jsxyzb

  1. dlib-18.1 各种数据处理 学习的c++源代码

  2. 里面包括贝叶斯网络学习，SVM向量机学习等优秀的数学学习算法。 Dlib 18.1 发布了，除了一些 bug 修复外，该版本还包含值得关注的改进： 更精确的 SURF 特征提取器 更快的切削平面解算器 对非常大的矩阵计算奇异值分解的程序 对大数据集进行相关分析的工具 简单的工具用来编写并行循环 Dlib是一个使用现代C++技术编写的跨平台的通用库，遵守Boost Software licence. 主要特点如下： 1.完善的文档：每个类每个函数都有详细的文档，并且提供了大量的示例代码，如果你发

  3. 所属分类：C++

    • 发布日期：2013-04-14
    • 文件大小：5242880
    • 提供者：buaasuozi

  1. Excel数据转libsvm数据

  2. 在科学实验中，所得到的数据(例如使用示波器)往往是Excel数据文件(csv格式)。由于libsvm支持的数据格式是有固定规范的（采用[分类标示 序号：值 …]的形式）。用户若想将一些波形数据导入到libsvm工具中分析运算，则首先要解决格式转换问题。这个过程虽然不困难，但是也会消耗实验人员一定的精力，也需要安装一定的开发调试环境。因此，本软件实现该自动转换功能。大大缩减科研人员的数据预处理时间。通过图形化界面显示、单样本数据观察、单样本调整，大大提升实验人员通过SVM支持向量机研究分析数据的

  3. 所属分类：C#

    • 发布日期：2014-03-29
    • 文件大小：431104
    • 提供者：bichao2000

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：225280
    • 提供者：huangyueranbbc

  1. libsvm数据格式转换

  2. 用于libsvm数据格式的转换，可以将mat格式的数据转换成libsvm要求的数据格式，并保存为txt文件，非常方便好用。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-29
    • 文件大小：1024
    • 提供者：fireworkpark

  1. FormatDatalibsvm转换数据格式为libsvm要求的格式

  2. 可以将任意排列好的数据转换为libsvm要求的数据格式，并可保存为txt文件，很方便。如果提示宏命令已禁止，点击开启即可。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-29
    • 文件大小：31744
    • 提供者：fireworkpark

  1. FormatDataLibsvm.xls

  2. svm前的数据转化，操作步骤： 1.先运行FormatDataLibsvm.xls 2.然后将数据粘贴到sheet1的topleft单元 3.点击"工具"-->"宏"-->执行下面有一个选项（FormatDatatoLibsvm），选中然后运行即可 （注意：如果你禁用了宏，请在“excel选项”中先启动宏）

  3. 所属分类：Java

    • 发布日期：2009-04-19
    • 文件大小：7168
    • 提供者：sinat_24206709

  1. FormatDatalLibsvm.xls（.xls->svm格式转换）

  2. .xls格式->svm格式的转换： 1、运行FormatDataLib.xls(这时会有一个关于注意这时会有一个关于“宏已禁宏”的安全警示，点击“选项”，选择“启用此内容”，确定即可）（要用office打开，不要用WPS） 2、打开data.xls,(注：网上很多的介绍都是直接将数据粘贴到sheet1的topleft单元)，要特别注意的是这时候的数据排列顺序应该是： 条件属性a 条件属性b ... 决策属性 7 5 ... 2 4 2 ... 1 3、"工具"-->"宏"-->

  3. 所属分类：Web开发

    • 发布日期：2018-03-07
    • 文件大小：37888
    • 提供者：jack_arm

  1. FormatDataLibsvm.xls

  2. 使用FormatDataLibsvm.xls进行的数据转换应该包括两两种数据的转换，一种是data.xls格式->data.svm格式的转换；另一种的带有逗号、空格、顿号、分号等文本数据的转换，先归为data.txt格式->data.svm格式的转换； 一、.xls格式->svm格式的转换（网上基本上介绍的都是该类型） 1、 运行FormatDataLibsvm.xls（注意这时会有一个关于“宏已禁宏”的安全警示，点击“选项”，选择“启用此内容”，确定即可）； 2、打开dat

  3. 所属分类：机器学习

    • 发布日期：2018-07-17
    • 文件大小：7168
    • 提供者：hanmowen

  1. 数据挖掘提取查询树特征的SQL注入攻击检测

  2. 针对Web 应用中数据库信息容易遭受SQL注入攻击的问题，提出一种基于数据挖掘技术的SQL注入攻击检测方法，其核心在于查询树特征的提取和转换。首先，在SQL数据库日志中收集内部查询树；然后，提取查询树中的语义和语法特征，并通过利用多维序列作为中间表示将查询树特征转换为一个n维字符特征向量；再后，根据查询树类型，利用不同的统计模型将字符特征向量转换成n维数值特征向量；最后，根据这些特征，利用多项式核函数SVM对其进行分类，从而实现SQL攻击检测。实验结果表明，相比其他几种较新的方案，提出的方案有效

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：385024
    • 提供者：weixin_38645434

  1. 特征工程（三）不同类型数据处理pipeline

  2. 非常简略的整理下在特征工程我会采用的一些常规流程，不做具体介绍。 一.数值特征 1. 预处理           2. 离散值处理 labelEncoder / map / one-hot-encoding / get_dummy 二值特征转换 多项式特征（模型用SVM） 3. 连续特征离散化 binning  分位数切分 4. 对数变换（模拟正态分布） 二.日期特征 ts_objs = np.array([pd.Timestamp(item) for item in np.array(df

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：176128
    • 提供者：weixin_38635979

  1. 将客户定向到通过应用程序行为分析：此模型的目的是预测哪些用户不会订阅付费会员，以便进行更大的营销工作，以尝试将他们“转换”为付费用户-源码

  2. 机器学习：FINTECH中的用例 这些项目的数据是根据实际案例研究中发现的趋势制造的字段。 这些字段描述了公司通常从其用户处跟踪的内容，并且这些分布基于在真实世界分析中观察到的分布。 这意味着，尽管数据是人为创建的，但是模式，关联和分布并不是随机的。 数据可以很好地表示您在工作场所可能遇到的情况。 也就是说，数据很少是干净的，并且需要大量预处理才能准备好进行建模。 型号说明： 模型构建过程由多个部分组成： 使用Matplotlib和Seaborn进行绘图-探索性数据分析（EDA）将花费大量

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：353280
    • 提供者：weixin_42159267

  1. Support-Vector-Machine-_with_python：在此笔记本中，我们介绍了Support Vector Machine（SVM）算法，这是一种功能强大但简单的监督学习方法，用于预测数据。 对于分类任务，SVM算法尝试将

  2. 支持向量机_with_python 在本笔记本中，我们介绍了支持向量机（SVM）算法，这是一种功能强大但简单的监督学习方法，用于预测数据。 对于分类任务，SVM算法尝试将特征空间中的数据划分为不同的类别。 默认情况下，这种划分是通过构造最佳分割数据的超平面来执行的。 为了进行回归，构造了超平面以映射数据分布。 在这两种情况下，这些超平面均以非概率方式映射线性结构。 但是，通过采用内核技巧，我们可以将非线性数据集转换为线性数据集，从而使SVM可以应用于非线性问题。 SVM是功能强大的算法，已得到

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：86016
    • 提供者：weixin_42100971

  1. 葡萄酒品质-使用SVM-内核SVM-源码

  2. 葡萄酒品质-使用SVM-内核SVM 什么是支持向量机（SVM） 支持向量机算法的目的是在N维空间（N —特征数）中找到一个超平面，该超平面对数据点进行明显分类。 为了分离这两类数据点，可以选择许多可能的超平面。 我们的目标是找到一个具有最大余量的平面，即两个类别的数据点之间的最大距离。 什么是内核SVM？ SVM内核是一种功能，它占用低维输入空间并将其转换为高维空间，即它将不可分离的问题转换为可分离的问题。 它在非线性分离问题中最有用。 关于数据集： 这些数据集可以视为分类或回归任务。 这

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：30720
    • 提供者：weixin_42118423

  1. Google-Job-Skills：在本文档中，我们将通过提供适当的解决方案来提出针对问题定义的解决方案。 我们实现了SVM（支持向量机）模型，并对我的数据集进行了一些转换，以进行适当的训练和测试。 如果我的模型可以预测一个人是否可以在Go

  2. Google工作技能 在本文档中，我们将通过提供适当的解决方案来提出针对问题定义的解决方案。 我们实现了SVM（支持向量机）模型，并对我的数据集进行了一些转换，以进行适当的训练和测试。 如果我的模型可以预测一个人是否可以在Google或YouTube上找到工作，那么我必须根据给定的输入进行预测。 我们还绘制了一个矩阵图以可视化并呈现出来，以便用户可以通过该图识别趋势。 预测函数的准确性得分非常精确（0.984）。 我们首先选择一个数据集。 我已经从kaggle网站上选择了数据集“ Google

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：24576
    • 提供者：weixin_42099087

  1. 使用图像分类-OpenCV和SVM：使用机器学习进行图像处理和分类：使用Open CV和SVM机器学习模型进行图像分类-源码

  2. 印度古典舞蹈的分类 本文提出的算法旨在在印度古典舞领域实现姿势识别。 姿势分类考虑了三种不同的舞蹈，即巴拉特纳坦舞，卡萨克舞和奥迪西舞，以及全部15种姿势。 将创建一个包含100张图像的初始数据库，并将其分为训练和测试数据集。 选择Hu矩作为特征提取技术来描述图像的形状上下文，因为它们是缩放，平移和旋转不变的。 为了提取Hu矩，将图像的前景和背景分离，然后将所得图像转换为二进制图像。 由于这是一个多类分类问题，因此，SVM是使用“一对一”和“一对一”的方法实现的，并且两种方法的结果均与线性和RB

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：841728
    • 提供者：weixin_42118423

  1. 使用步态分析进行帕金森氏病检测：该研究项目旨在利用步态分析数据检测患者的帕金森氏病。 随后，该项目可以利用步态数据分析做出有力的推断，这将有助于将受此疾病影响的最常见人群汇总起来-源码

  2. 使用步态分析进行帕金森氏病检测 对帕金森氏病（PD）患者和对照对象的步态分析已进行分析，以显示PD患者和对照对象的差异。 使用Phisonet的Gaitpdb数据库提供的数据（已在对象的每只脚上使用8个传感器来计算垂直地面反作用力（VGRF）），已使用7个统计函数执行了数据压缩，以获得数据的代表性图像。 统计函数（最小值，最大值，均值，中位数，标准差，偏度和峰度）已用于将超过300万个元组压缩为310个元组。 最后，各种机器学习技术已应用于转换后的数据集，以执行帕金森氏病的检测。 使用Logis

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：148897792
    • 提供者：weixin_42135753

  1. 细粒度的情感：SST-5数据集上五类情感分类的不同NLP方法的比较和讨论-源码

  2. 细粒度情感分类 此仓库显示了对各种NLP方法的比较和讨论，这些方法可以在（SST-5）数据集上执行5级情感分类。 目标是使用多个基于规则，基于线性和神经网络的分类器来预测此数据集上的类，并查看它们之间的区别。 当前已实现以下分类器： TextBlob ：基于规则，使用库中的内部polarity度量。 Vader ：基于规则，使用库中的compound极性分数。 Logistic回归：在将词汇表转换为特征向量并考虑使用TF-IDF的词频影响后，在scikit-learn中训练简单的logi

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42104906

  1. h2o-3：H2O是一个开源，分布式，快速且可扩展的机器学习平台：深度学习，梯度提升（GBM）和XGBoost，随机森林，广义线性建模（带有弹性网的GLM），K均值，PCA，广义附加模型（GAM），RuleFit，支持向量机（SVM），堆叠

  2. 水 H2O是用于分布式，可扩展的机器学习的内存平台。 H2O使用熟悉的界面（例如R，Python，Scala，Java，JSON和Flow笔记本/网络界面），并与Hadoop和Spark等大数据技术无缝协作。 H2O提供了许多流行实现，例如广义线性模型（GLM），梯度提升机（包括XGBoost），随机森林，深层神经网络，堆叠体，朴素贝叶斯，广义加性模型（GAM），考克斯比例危害，K-表示PCA，Word2Vec以及全自动机器学习算法（ ）。 H2O是可扩展的，因此开发人员可以添加自己选择的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：92274688
    • 提供者：weixin_42126668
« 12 3 »