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. 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. 浅谈利用numpy对矩阵进行归一化处理的方法

  2. 今天小编就为大家分享一篇浅谈利用numpy对矩阵进行归一化处理的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：32768
    • 提供者：weixin_38675232

  1. Python下的Softmax回归函数的实现方法(推荐)

  2. Softmax回归函数是用于将分类结果归一化。但它不同于一般的按照比例归一化的方法，它通过对数变换来进行归一化，这样实现了较大的值在归一化过程中收益更多的情况。 Softmax公式 Softmax实现方法1 import numpy as np def softmax(x): """Compute softmax values for each sets of scores in x.""" pass # TODO: Compute and return softmax(x) x =

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：44032
    • 提供者：weixin_38703980

  1. Python图像灰度变换及图像数组操作

  2. 使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理 numpy简介： NumPy是一个非常有名的 Python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。 数组对象可以实现数组中重要的操作,比如矩阵乘积、转置、解方程系统、向量乘积和归一化。这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础。 在上一篇python基本图像操作中,当载入图像时,通过调用 array() 方法将图像转换成NumPy的数组对象

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：272384
    • 提供者：weixin_38512659

  1. TensorFlow2.0学习笔记(一）

  2. TensorFlow2.0学习笔记(一）数据读取和展示模型构建数据归一化回调函数回归模型分类模型深度神经网络批归一化激活函数droupoutWide&Deep模型子类API实现wide&deep多输入、多输出超参数搜索sklearn超参数搜索 数据读取和展示 首先我们导入相关的头文件和库 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import skl

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：311296
    • 提供者：weixin_38621427

  1. TensorFlow2.0学习笔记(一）

  2. TensorFlow2.0学习笔记(一）数据读取和展示模型构建数据归一化回调函数回归模型分类模型深度神经网络批归一化激活函数droupoutWide&Deep模型子类API实现wide&deep多输入、多输出超参数搜索sklearn超参数搜索 数据读取和展示 首先我们导入相关的头文件和库 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import skl

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：311296
    • 提供者：weixin_38726407

  1. 【数据分析1】数据分析基础与Numpy基础

  2. NumPy (Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 数据处理的流程： 数据收集—-数据预处理—-数据处理—数据展示 数据收集方法： 网络爬虫，公开数据集，其他途径收集的数据 数据预处理方法： 1.归一化 2.二值化 3.维度变换 4.去重 5.无效数据过滤 数据处理方法： 1.数据排序 2.数据查找 3.数据统计分析 数据展示方法： 1.列表 2.图表 3.动态交互图形 0.安装nu

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：362496
    • 提供者：weixin_38671819

  1. deeplearning-models：深度学习模型的实现-源码

  2. 深度学习模型 该存储库是使用DeepLearning.ai Specialization的Knowlegde实现的模型的集合。 演算法 深度神经网络 使用Numpy向量化实现。 使用Xavier初始化网络权重。 激活功能： 隐藏层：泄漏的ReLU 输出层：S形 包括使用梯度下降或Adam优化进行的brackpropagation。 后者使用迷你批处理。 TensorFlow深层神经网络 用TensorFlow 1实施 Xavier初始化用于网络权重，Adam优化和迷你批处理。 激活功能

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：21504
    • 提供者：weixin_42138788

  1. NuX：使用JAX标准化流-源码

  2. NuX-使用JAX标准化流 什么是NuX？ NuX是用于使用构建的库。 什么是规范化流量？ 归一化流使用数据学习未知概率密度函数上的参数模型。 我们假设数据点是从未知分布p（x）采样的。 归一化流使用最大似然学习来学习真实数据分布的参数近似。 可以从中高效地学习学习到的分布，并具有可以准确评估的对数似然。 为什么要使用NuX？ 使用NuX可以轻松构建，训练和评估标准化流 import nux import jax import jax . numpy as jnp key = jax .

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：279552
    • 提供者：weixin_42163404

  1. gauss_rank_scaler：高斯秩缩放方法的Scikit-learn兼容实现-源码

  2. 高斯等级定标器 scikit-learn样式转换器，可将数字变量缩放为正态分布。 神经网络的输入归一化非常重要。 高斯等级是一种将数字变量分布转换为法线的有效算法。 它基于等级转换。 第一步是为排序后的erfinv分配-1和1之间的间距，然后应用误差函数erfinv的逆函数使其看起来像高斯erfinv 。 通常，此方法比标准或最小最大缩放器更好。 重要连结 用法 Gauss Rank Scaler是完全兼容的sklearn转换器，可以在管道或现有脚本中使用。 支持的输入格式包括numpy数组

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4096
    • 提供者：weixin_42162171