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. 机器学习算法实现

  2. 机器学习中的方法实现，其中包括KNN，Kmeans，贝叶斯，逻辑回归，线性回归，决策树，Adaboost等，含训练集。绝对值得拥有

  3. 所属分类：Python

    • 发布日期：2014-08-04
    • 文件大小：2097152
    • 提供者：suifengdechen

  1. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等）

  2. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等

  3. 所属分类：其它

    • 发布日期：2015-07-11
    • 文件大小：13312
    • 提供者：lg1259156776

  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. 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：Java

    • 发布日期：2017-04-08
    • 文件大小：225280
    • 提供者：q6115759

  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. 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. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等）

  2. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等

  3. 所属分类：互联网

    • 发布日期：2018-12-18
    • 文件大小：13312
    • 提供者：qq_22098033

  1. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等）

  2. adaboost 演示demo（基于Matlab，学习算法包括决策树、神经网络、线性回归、在线贝叶斯分类器等），动态GUI显示学习过程、vote过程等

  3. 所属分类：互联网

    • 发布日期：2019-01-13
    • 文件大小：13312
    • 提供者：u010558449

  1. Ruby-Rumale是Ruby语言的机器学习库类似于Python中的ScikitLearn

  2. Rumale（Ruby机器学习）是Ruby中的机器学习库。 Rumale提供的机器学习算法的接口类似于Python中的Scikit-Learn。 Rumale支持线性/内核支持向量机，Logistic回归，线性回归，岭，套索，分解机，朴素贝叶斯，决策树，AdaBoost，梯度树增强，随机森林，额外树，K-最近邻分类器，K-Means ，DBSCAN，t-SNE，主成分分析和非负矩阵分解。

  3. 所属分类：其它

    • 发布日期：2019-08-15
    • 文件大小：251904
    • 提供者：weixin_39840650

  1. 机器学习学习笔记.rar

  2. Jim Liang的机器学习700+页PPT，机器学习入门介绍，含最近邻，SVM，线性回归，逻辑回归，神经网络，梯度下降，朴素贝叶斯，K-means，主成分分析，决策树，AdaBoost，随机森林

  3. 所属分类：机器学习

    • 发布日期：2020-05-10
    • 文件大小：423624704
    • 提供者：nstarLDS

  1. 基于Adaboost的改进多元线性回归算法中长期负荷预测

  2. 中长期负荷预测是电力系统规划、运行、控制的前提。提高预测精度对电力系统的安全性、经济性、环保性具有重要意义。针对小样本数据搭建的多元线性回归模型的异方差性影响,提出一种基于Adaboost的改进多元线性回归算法,该算法利用Adaboost算法动态调整不同样本对应的权值因子,并协调和组合各多元线性回归模型,在减弱异方差性影响的同时提高了算法的泛化能力。通过改进算法在进贤县用电数据集上进行负荷预测算例,验证了改进算法的有效性和实用价值。

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：271360
    • 提供者：weixin_38697171

  1. 机器学习理论知识.zip

  2. 这是很全的机器学习理论的知识，是最好的自学机器学习的速查文档和速学方式，里面的内容涵盖机器学习的很多领域，从机器学习面试题集锦，到特征工程，正则等基础知识，到sklearn，spark等分布式，从线性回归，逻辑回归，决策树，朴素贝叶斯，adaboost，xgb，lightgbm，GBDT等主流的监督学习算法，到聚类，pca等非监督学习算法，从推荐系统到关联分析，svd等。最后一个OTO实战。 希望能够帮助到自学机器学习的小伙伴。

  3. 所属分类：机器学习

    • 发布日期：2020-01-05
    • 文件大小：29360128
    • 提供者：wuzhongqiang

  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. Orange3-3.25.0-Miniconda37-x86_64.exe

  2. 它是一个面向新手和专家的开源的机器学习和数据可视化工具，带有很多用于数据挖掘或机器学习模型的交互式数据分析工作流程；另外，它绑定了Python语言进行脚本开发。包含一系列数据挖掘流程的组件，比如数据预处理，建模，模型评估以及可视化。 数据预处理主要包括：数据合并（将两个不同数据集的指定特征合并为同一数据集）；数据采样，数据异常点去除以及相关性检验（协方差），rank以及置乱等 模型主要包括：CN2规则归纳，k近邻，决策树，随机森林，支持向量机，线性回归，逻辑回归，朴素贝叶斯，adaboost，神

  3. 所属分类：机器学习

    • 发布日期：2020-05-27
    • 文件大小：400556032
    • 提供者：weixin_43979477

  1. python 进行各种回归

  2. 基本回归：线性、决策树、SVM、KNN 集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees ##学会了数据分层抽样，以及各种回归的代码书写。可能还需要注意调参等。 继续学习网址：使用sklearn做各种回归 数据准备 from matplotlib import pyplot as plt %matplotlib inline plt.style.use('fivethirtyeight') #设置matplotlib作图风格 impo

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：107520
    • 提供者：weixin_38697659

  1. Python使用sklearn实现的各种回归算法示例

  2. 本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考，具体如下： 使用sklearn做各种回归 基本回归：线性、决策树、SVM、KNN 集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees 1. 数据准备 为了实验用，我自己写了一个二元函数，y=0.5*np.sin(x1)+ 0.5*np.cos(x2)+0.1*x1+3。其中x1的取值范围是0~50，x2的取值范围是-10~10，x1和x2的训练集一共有5

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：431104
    • 提供者：weixin_38668776

  1. Projects-Portfolio-源码

  2. 数据科学组合 概括 该存储库由我为学术和自学目的而完成的端到端数据科学项目组成。 以iPython Notebooks的形式呈现。 按照以下步骤完成项目，它们是： 机器学习步骤 定义问题陈述：通过检查数据集并确定解决问题陈述所需的机器学习模型的类型来定义问题陈述。 探索性数据分析（EDA） ：在此步骤中，将对数据进行细致的分析以提取任何新信息，以查找自变量内以及自变量与因变量之间的任何关系。 使用单变量分析，双变量分析和相关矩阵。 处理任何空值。 检查数据的偏斜度。 处理异常值：使用Z Sc

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：33554432
    • 提供者：weixin_42134240

  1. statistics_model:统计学系模型实现-源码

  2. 统计学习模型学习笔记 记录统计学习模型学习过程中的笔记，其中包括使用sklearn来测试模型，同时包括自己构建模型来实现模型的训练等等。 统计学系方法概论 感知机 k近邻法 k均值 增加k-means聚类算法。 朴素贝叶斯法 决策树 逻辑斯蒂回归与最大熵模型 其中增加了线性回归的推导。 支持向量机 提升方法 AdaBoost 增加AdaBoost方法。 EM算法及其推广 隐马尔可夫模型 条件随机场 深度学习 额外增加神经网络这一章节补充神经网络相关知识，主要是BP误差反向传播算法的推导。 有线电

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：1048576
    • 提供者：weixin_42144707

  1. Data_Science_work：这是我在探索该领域时完成的一组数据科学项目-源码

  2. 统计，数据科学，AI和ML 创建该存储库是为了存储我与数据科学领域相关的项目，笔记和学习内容。 它包括使用各种数据科学和机器学习技术执行的项目。 我使用了来自各种开源数据存储库的数据集。 范围：这项工作主要围绕使用各种支持库在python环境中执行这些最新技术进行。 它不涉及算法背后的密集数学。 但是，我在某些笔记本中附加了各种资源链接，以便从概述的角度更好地理解它们。 我坚信，在尝试理解或使用这些笔记本之前，必须对这些技术和背后的算法有充分的了解。 内容 探索性数据分析 机器学习 监督学习

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：3145728
    • 提供者：weixin_42110038

  1. basicMLpy：实现简单有效的机器学习算法和技术的软件包-源码

  2. 基本MLpy basicMLpy是一个实现简单机器学习算法的软件包。 它目前包含七个模块，这些模块实施了多种机器学习技术以进行监督学习。 basicMLpy.regression模块包含以下功能： 线性回归 岭回归 basicMLpy.classification模块包含以下功能： 通过IRLS（迭代加权最小二乘）算法进行多类分类 basicMLpy.nearest_neighbors模块包含以下功能： K最近邻算法的实现，可以同时满足分类和回归问题 basicMLpy.model_se

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：15360
    • 提供者：weixin_42100032
« 12 »