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. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1048576
    • 提供者：qq_33042687

  1. 山东大学模式识别实验java源码

  2. 包含了贝叶斯 KNN KMeans 的简单实现 1. 利用贝叶斯算法进行数据分类操作，并统计其预测正确率。 2. 随机产生10000组正样本和20000负样本高斯分布的数据集合（维数设为二维），要求正样本：均值为[1;3]，方差为[2 0;0 2]；负样本：均值为[10;20]，方差为[10 0;0 10]。先验概率按样本量设定为1/3和2/3.分别利用最小错误概率贝叶斯分类器和最小风险概率贝叶斯分类器对其分类。（假设风险程度正样本分错风险系数为0.6，负样本分错风险为0.4，该设定仅用于最小

  3. 所属分类：机器学习

    • 发布日期：2018-01-12
    • 文件大小：1048576
    • 提供者：qq406736552

  1. 代码及数据集：KNN分类算法--手写数字识别任务

  2. 代码及数据集：KNN分类算法--手写数字识别任务

  3. 所属分类：机器学习

    • 发布日期：2018-03-31
    • 文件大小：822272
    • 提供者：qq_25222187

  1. KNN算法实现手写数字识别的三种方法（源码）

  2. KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。

  3. 所属分类：机器学习

    • 发布日期：2018-04-27
    • 文件大小：102760448
    • 提供者：zzz_cming

  1. 基于opencv3.1库的JAVA源码

  2. 第1章 Java概述、安装及简易教学 14 1-1 Java概述 14 1-2 Java安装 16 1-3 Eclipse安装 18 1-4 GUI设计工具WindowBuilder 18 1-5 在Eclipse开发第一个Java程式 23 1-6 在Eclipse开发第一个Java视窗程式-显示影像 26 1-7 在Eclipse开发视窗程式-slider控制元件 34 1-8 在Eclipse开发视窗程式-按钮控制元件 39 1-9 好用的Eclipse热键 41 第2章 OpenCV概

  3. 所属分类：图像处理

    • 发布日期：2018-09-29
    • 文件大小：1048576
    • 提供者：caozhenguan

  1. kNN分类算法手写识别数据集

  2. kNN分类算法手写识别数据集

  3. 所属分类：其它

    • 发布日期：2017-05-08
    • 文件大小：828416
    • 提供者：congqi4525

  1. python使用KNN算法识别手写数字

  2. 本文实例为大家分享了python使用KNN算法识别手写数字的具体代码，供大家参考，具体内容如下 # -*- coding: utf-8 -*- #pip install numpy import os import os.path from numpy import * import operator import time from os import listdir 描述： KNN算法实现分类器 参数： inputPoint：测试集 dataSet：训练集 labels：

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：59392
    • 提供者：weixin_38500944

  1. Machine-Learning-w-MNIST：使用MNIST数据集的机器学习模型-源码

  2. 使用MNIST数据集的机器学习模型 KNN是一种简单，易于实现的有监督的机器学习算法，可用于解决分类和回归问题。 但是请记住，KNN的主要缺点是随着数据量的增加，它会变得非常慢，这使得它在需要快速做出预测的环境中是不切实际的选择。 这是一本笔记本，展示了如何训练ML模型以及如何使用KNN算法识别手写数字。 默认参数来自sklearn，经过测试k =2。这是一个正在进行的工作，请随时进行改进。 我将再添加两个模型，即SVM和Random Forest，以查看是否有可能进行改进（很可能是这种情况

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：12582912
    • 提供者：weixin_42149153