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. 教学环境-集成体：决策树和集成体讲授的Conda环境-源码

  2. 教学环境 决策树和集成乐团的Conda环境讲座。 用法 首先安装Python 3（64位 。 如果使用Windows，请确保仅为当前用户安装Anaconda，并将其安装在不包含非UTF字符（例如ñ或á ）的文件夹下。 安装后，请按照特定操作系统的说明进行操作。 Linux或Mac 将下载到您的计算机（右键单击->将链接另存为...），然后在同一文件夹中打开一个终端。 然后输入 conda env create -f environment.yml 使用必要的程序包创建一个名为ensem

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：9216
    • 提供者：weixin_42125192

  1. myrepo：我的新仓库-源码

  2. 监督学习-作业1（CS 7641机器学习） 姓名：深塘总商会账户：stang311 该项目旨在探索监督学习中的决策树，神经网络，Boosting，支持向量机和K最近邻算法。 这是在您的Assignment-1本地计算机上安装软件包和运行代码的指令。 请在Github上找到该项目：ML_Assignment-1请从提交给Canvas的README.txt中找到该项目的Github链接器。 请在本地下载并保存项目文件夹“ ML_Assignment-1”，然后按照以下说明运行代码。 在“ ML

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：10485760
    • 提供者：weixin_42138703

  1. cewa564：带有CEWA 564的笔记本和文件的存储库-源码

  2. 该目录包含一系列Jupyter笔记本，您可以用来熟悉使用pysumma在Jupyter笔记本中运行SUMMA。 请注意，如果要保留在这些笔记本中所做的更改，则应将其保存在cewa564目录树之外的其他位置。 如果不是这样，那么当您再次下载文件或从最初获取这些文件的github存储库中提取最新更改时，这些文件可能会被覆盖。 如果您是python的新手并且想练习，那么可以在线获得广泛的帮助。 例如，看一下在讨论的软件木工python教程。 另一个起点是伯克利的Python Practice的，但

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：5242880
    • 提供者：weixin_42151305

  1. jupyter树下载-源码

  2. jupyter树下载 jupyter-tree-download包含： 可以与zip或tar捆绑和压缩目录的jupyter服务器扩展。 一个笔记本扩展，在树状视图中提供下载按钮 将对下载进行流传输，以使其不占用服务器中的额外内存或磁盘空间。 最初基于 。 默认情况下需要zip 。 可以通过设置改变压缩型c.TreeDownload.compression在从配置路径中的一个在一个jupyter_notebook_config.py jupyter --paths 。 如果指定“ gzi

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：22528
    • 提供者：weixin_42100032

  1. 从症状进行疾病预测：基于症状的疾病预测-源码

  2. 从症状预测疾病 该项目探索使用机器学习算法来根据症状预测疾病。 探索的算法 在代码中探索了以下算法： 朴素贝叶斯 决策树 随机森林 梯度提升 数据集 源1 与main.py脚本一起使用的此问题的数据集是从此处下载的： https://www.kaggle.com/kaushil268/disease-prediction-using-machine-learning 该数据集共有133列，其中132例是患者经历的症状，以及该患者预后的最后一列。 源2 从此处下载用于Jupyter笔记本的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：3145728
    • 提供者：weixin_42116713

  1. Spring-2021-Career-Exploration-源码

  2. 2021年Spring-职业生涯探索 SAAS教育委员会为指导职业探索委员会而创建的材料的收集。 由托管并维护。 我们将学到什么？ 在职业探索中的每个学期，我们涵盖了广泛的主题。 本学期，我们将继续： Datahub和Jupyter简介 Python 脾气暴躁/熊猫 可视化 线性代数和线性回归简介 机器学习入门 偏差方差折衷，正则化 数据清理和探索性数据分析 决策树，随机森林，提振 神经网络 进阶主题 从Slack下载并在Datahub上解压缩的步骤。 确保您在松弛的工作空间中，导航到c

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：74448896
    • 提供者：weixin_42173205

  1. exoplanet-habitability-ML:各种scikit学习机器学习算法运行Kepler数据来确定系外行星的可居住性-源码

  2. 机器学习的挑战 我们可以确定行星的宜居性吗？ 我们可以训练计算机来确定我们是否适合居住吗？ 该项目使用SciKit Learn上的机器学习工具来查找开普勒行星数据中的可居住性模式。 最成功的模型包括深度学习神经网络算法，决策树和具有GridSearchCV最大化的超参数的随机森林。 在每个模型的jupyter笔记本中，您将找到通过打印准确度的机器学习模型在十几个类别中向上运行的代码。 之后，您可以保存模型。 可以下载模型ExoplanetDecisionTree.sav，ExoplanetRan

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：1048576
    • 提供者：weixin_42134144