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. SureStartVAIL-源码

  2. 2月8日： 我期待学习如何更有效地利用Python上的不同库进行数据分析和机器学习。 使用这些库，我和我的团队决定在Makeathon期间追求的任何创新过程都让我感到兴奋，这为我们提供了真正的人工智能经验。 2月9日： 有监督和无监督的学习都用于分析和预测数据。 监督学习是指在给程序提供数据时用于改进算法，然后在给定新数据时能够得出准确的结论。 无监督学习要更加抽象-仅向程序提供数据，并且需要程序自行确定关系和趋势。 Scikit Learn更加注重数据建模（针对机器学习），而不是数据可视

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：11264
    • 提供者：weixin_42126865

  1. Scikit-Learn：使用Python进行预测数据分析的机器学习库-源码

  2. Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1：坡度 渐变| 陡度线| 线方向| 重量 B0：拦截 偏差| 常数| 回归线与Y轴相交的位置（当X = 0时Y的值） R 2 ：测定系数 模型捕获的数据的方差（0.7到0.9是R 2的好值） 大的R 2表示较好的拟合度（模型可以用更好的方法解释预测值与实际值的差异） R 2 = 1对应于SSR = 0（完美拟合） R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：9216
    • 提供者：weixin_42138525

  1. Breast_Cancer_CADx：监督式机器学习算法可预测乳腺癌的诊断-源码

  2. 乳腺癌CADx 监督式机器学习算法可预测乳腺癌的诊断 乳腺癌是美国女性死于癌症的第二大主要原因。 早期发现与更好的预后密切相关。 乳房X线照相术是检测的第一线，但并不完美。 乳房X光检查的假阴性率为8-10％，由于某些异常情况不会影响女性的健康，因此很难确定癌症的严重程度或类型。 因此，进行活检以确认诊断。 细针穿刺是最简单，最常见的活检类型。 这项研究测试了各种监督的机器学习算法，以确定使用定量，连续的数据预测乳腺癌诊断最准确的算法。 威斯康星州乳腺癌数据集用于训练和测试三种机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：571392
    • 提供者：weixin_42116058

  1. Retentioneering工具：Retentioneering：产品分析，数据驱动的客户旅程图优化，营销分析，Web分析，交易分析，图形可视化以及使用Python进行客户细分的行为细分。 开源分析，点击流的预测分析，情感分析，AB测试，

  2. 什么是保持运动？ Retentioneering是一个Python框架和库，可帮助产品分析人员和市场分析人员使用，因为它使处理和分析点击流，事件流，轨迹和事件日志变得更加容易。 您可以细分用户，客户（代理），构建ML管道以根据历史数据预测代理类别或目标事件的概率。 在常见情况下，您可以使用事件和时间戳的形式使用Google Analytics（分析）BigQuery流或任何其他Silimal流中的原始数据给用户使用，而Retentioneering就是您从该数据中探索用户行为所需要的一切，它

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：35651584
    • 提供者：weixin_42109732

  1. NYTaxi_XG_Boost_Challenge-kaggle_challenge：我正在尝试NYC出租车持续时间预测Kaggle挑战。 我将结合使用Pandas，Matplotlib和XGBoost作为python库，以帮助我理解和分析

  2. Nyc-Taxi-Kaggle-挑战 目标 Kaggle竞赛预测纽约出租车的行驶时间。 该项目的报告在capstone.pdf。 （在这个项目中，我提供了许多链接，如果您是初学者，可以通过这些链接来弄清楚您的概念，如果不理解的话，可以通过project和readme中提供的链接和pdf来了解。） 问题陈述 在本报告中，我们使用来自纽约市出租车和高级轿车委员会的数据来考察Kaggle竞赛，该竞赛要求竞争对手预测纽约市出租车旅行的总行驶时间（trip_duration）。 Kaggle提供的数据是作

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：24117248
    • 提供者：weixin_42151305

  1. 使用Python进行机器学习：用于理解核心概念的小型机器学习项目。 给星星:glowing_star:如果有帮助的话。 奖金：面试银行来了..！-源码

  2. Python机器学习 小型机器学习项目，以了解核心概念（顺序：从最早到最新） 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模，并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：751616
    • 提供者：weixin_42109545

  1. immuneML:immunoML是用于自适应免疫受体库数据的机器学习分析的平台-源码

  2. 免疫ML immunoML是用于基于机器学习的自适应免疫受体和库（AIRR）的分析和分类的平台。 它支持对实验性B细胞和T细胞受体数据以及用于基准测试的合成数据进行分析。 在immuneML中，用户可以定义灵活的工作流，以支持不同的机器学习库（例如scikit-learn或PyTorch），对不同方法进行基准测试，大量数据特征报告，ML算法及其预测以及结果可视化。 此外，用户可以通过定义自己的数据表示，ML模型，报告和可视化来扩展平台。 有用的链接： 主要网站： : 文档： :

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：14680064
    • 提供者：weixin_42119989