您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 支持向量机通俗导论--July

  2. 作者:July 。致谢:pluskid、白石、JerryLead。 说明:本文最初写于2012年6月,而后不断反反复复修改&优化,修改次数达上百次,最后修改于2016年11月。 声明:本文于2012年便早已附上所有参考链接,并注明是篇“学习笔记”,且写明具体参考了pluskid等人的文章。 目录 支持向量机通俗导论理解SVM的三层境界 前言 第一层了解SVM 1分类标准的起源Logistic回归 2线性分类的一个例子 3函数间隔Functional margin与几何间隔Geometri ca
  3. 所属分类:机器学习

    • 发布日期:2017-09-14
    • 文件大小:1048576
    • 提供者:u012554092
  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. 实例详解机器学习如何解决问题

  2. 随着大数据时代的到来,机器学习成为解决问题的一种重要且关键的工具。不管是工业界还 是学术界,机器学习都是一个炙手可热的方向,但是学术界和工业界对机器学习的研究各有 侧重,学术界侧重于对机器学习理论的研究,工业界侧重于如何用机器学习来解决实际问 题。我们结合美团在机器学习上的实践,进行一个实战(InAction)系列的介绍(带“机器 学习InAction系列”标签的文章),介绍机器学习在解决工业界问题的实战中所需的基本技 术、经验和技巧。本文主要结合实际问题,概要地介绍机器学习解决实际问题的整个流
  3. 所属分类:机器学习

    • 发布日期:2019-07-02
    • 文件大小:1048576
    • 提供者:abacaba
  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同
  3. 所属分类:机器学习

    • 发布日期:2019-07-02
    • 文件大小:312320
    • 提供者:abacaba
  1. 三种优化算法实现根据两门成绩判断学生能否录取的logistic应用

  2. 用三种优化方法实现logistic回归的应用,根据学生的两门成绩,判断是否能录取。采用梯度下降法(GD),随机梯度下降法(SGD)和牛顿法(Newton)三种优化方法,绘制动态迭代图,可以动态观察决策结果以及损失函数的收敛过程。数据集和三种算法的代码均打包在一起,采用Jupyter Notebook编写(python)。
  3. 所属分类:Python

    • 发布日期:2020-07-01
    • 文件大小:12288
    • 提供者:ldm_666
  1. 吴恩达课后作业——具有神经网络思维的Logistic回归

  2. 目录0、导入包1、数据预处理2、前向传播——计算梯度和损失3、优化函数——梯度下降4、预测函数5、Logistic回归in神经网络6、main函数7、运行结果8、补充 0、导入包 h5py:因为数据集是H5类型的文件,需要导入包使用; matplotlib:用于在Python中绘制图表,类似于matlab中的画图。 import numpy as np import matplotlib.pyplot as plt import h5py 1、数据预处理 将数据处理成自己方便的格式,其中: 我
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:83968
    • 提供者:weixin_38723753
  1. logistic回归的损失函数(lost function)原理

  2. logistic回归的损失函数和极大似然估计的关系 记 Φ(x)=11+e−θx \Phi(x)=\frac{1}{1+e^-{\theta x}} Φ(x)=1+e−θx1​ 我们可以把这个sigmoid函数的值看做y等于1的后验估计概率,也就是: p(y=1∣x)=Φ(x) p(y=1|x)=\Phi(x) p(y=1∣x)=Φ(x) 那么y=0的时候自然是补事件 p(y=0∣x)=1−Φ(x) p(y=0|x)=1-\Phi(x) p(y=0∣x)=1−Φ(x) 我们可以把这两个式子简化一
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:35840
    • 提供者:weixin_38502722
  1. python中线性回归LR函数参数

  2. LR工具: from sklearn.linear_model.logistic import LogisticRegression 参数: penalty,惩罚项,正则化参数,防止过拟合,l1或l2,默认为l2 C,正则化系数λ的倒数,float类型,默认为1.0 solver,损失函数优化方法,liblinear(默认),lbfgs, newton-cg,sag random_state,随机数种子 max_iter,算法收敛的最大迭代次数,默认为100 tol=0.0001 :
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:35840
    • 提供者:weixin_38701156
  1. Data-science-Portfolio:该存储库的目的是自我激励,并跟踪我的机器学习,自然语言处理和数据科学相关工作的进展-源码

  2. 数据科学组合 关于 该存储库的目的是自我激励,并跟踪我的机器学习,自然语言处理和数据科学相关工作的进展 目录 关于 目录 文章 编程展示 监督机器学习 无监督机器学习 深度学习 自然语言处理 课程与证书 专案 接触 文章 标题 关联 公开日期 机器学习算法中特定损失函数的概率证明 4.02.2021 编程展示 监督机器学习 算法 描述 执行 单变量线性回归 使用Pyhton从头开始进行单变量线性回归 多元线性回归 从零开始使用Pyhton进行多元线性回归 局部加权回归 使用Pyhton从草稿进行
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:1048576
    • 提供者:weixin_42131261
  1. 3DStyleGAN:用于医学图像的3D StyleGAN2-源码

  2. 用于医学图像的3D StyleGAN2 有关如何安装和运行它的信息,请参见官方仓库: : 当前问题 2021年2月4日 128 ^ 3内存耗尽错误 当前的培训模块 64 ^ 3-00159:D-resnet,logistic,G-orig,logistic_ns_pathreg -00161:D-resnet,wgan,G-orig,logistic_ns_pathreg -00166:D-resnet,后勤,G-跳过,lostic_ns_pathreg 2021年2月2日 D_log
  3. 所属分类:其它

    • 发布日期:2021-02-08
    • 文件大小:58720256
    • 提供者:weixin_42098251
  1. scikit-learn-examples:使用Scikit-learn探索Logistic回归,MLP和SVM-源码

  2. Scikit学习示例 使用Scikit-learn探索Logistic回归,MLP和SVM 档案 main.py:主程序 config.py:配置,参数 util.py:与数据预处理有关 model.py:模型 img /:用于保存损失函数图的目录(用于线性回归) 数据集 乳腺癌 糖尿病 数字 虹膜 葡萄酒 运行代码 线性回归 python main.py -model=lr # to show the plot on the fly python main.py -model=lr -show
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:299008
    • 提供者:weixin_42133899
  1. 基于高维特征表示的交通场景识别

  2. 随着智能交通的发展,快速、精确识别交通场景成为亟待解决的重要问题。目前已有许多识别方法可以提高交通场景的识别效果,但这些算法无法提取视觉概念的交通语义特征,导致识别精度低下。为此,设计了一种提取高维场景语义特征和结构信息的识别算法,以提高识别精度。为减少图像高维与低维特征表示之间的“语义鸿沟”,首先构建了一个场景类的语义描述系统,然后通过最小化损失(element-wise logistic loss)函数训练多标签分类网络,获取交通场景图像的高维特征表示,最后在4个大规模场景识别数据集上进行验
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:5242880
    • 提供者:weixin_38713167
  1. 基于XGBoost算法的电力系统暂态稳定评估

  2. 针对暂态稳定评估问题的特点,在改进极限梯度提升(XGBoost)算法的基础上进行暂态稳定评估。根据电网物理特点,定义能够反映电力系统稳态运行状态的特征集;研究XGBoost算法用于暂态稳定评估的过程:针对暂态稳定预测中2类错误严重程度不同的特点,定义包含注意力系数的对数损失函数,使得模型对不稳定样本的误预测情况减少;使用Logistic函数将模型输出概率化,用于衡量XGBoost模型输出的可靠程度,预防部分误预测;给出针对任意系统随机产生样本集的方法。IEEE 39节点系统仿真结果表明,XGBo
  3. 所属分类:其它

    • 发布日期:2021-01-13
    • 文件大小:1048576
    • 提供者:weixin_38621272