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. PCA_Python

  2. PCA将n个特征降维到k个，可以用来进行数据压缩 PCA算法，使用python语言实现

  3. 所属分类：Python

    • 发布日期：2018-03-19
    • 文件大小：24576
    • 提供者：sinat_23619409

  1. 基于phash图像特征的图像聚类-kmeans-Python实现

  2. 基于图像phash特征通过KMeans聚类算法实现图像聚类，通过熵来进行对结果的评估，顺便用PCA降维特征来可视化聚类结果

  3. 所属分类：讲义

    • 发布日期：2018-05-29
    • 文件大小：166723584
    • 提供者：weixin_36913190

  1. PCA故障诊断的Python实现

  2. 本资源介绍了两种pca基于python的故障诊断实现，一种是针对数据维数冗余的降维诊断，另一种是小数据维数的诊断，包含代码和数据集。

  3. 所属分类：机器学习

    • 发布日期：2018-08-09
    • 文件大小：243712
    • 提供者：qq_27280237

  1. 基于GDAL的Python实现遥感影像PCA的代码

  2. PCA基本步骤： 对数据进行归一化处理（代码中并非这么做的，而是直接减去均值） 计算归一化后的数据集的协方差矩阵 计算协方差矩阵的特征值和特征向量 保留最重要的k个特征（通常k要小于n），也可以自己制定，也可以选择一个阈值，然后通过前k个特征值之和减去后面n-k个特征值之和大于这个阈值，则选择这个k 找出k个特征值对应的特征向量 将m * n的数据集乘以k个n维的特征向量的特征向量（n * k）,得到最后降维的数据。

  3. 所属分类：专业指导

    • 发布日期：2018-09-10
    • 文件大小：2048
    • 提供者：qq_42840712

  1. 基于PCA实现鸢尾花数据集降维【源程序】【Python】

  2. 基于Python3.7实现鸢尾花数据集降维，调用PCA算法。包括源程序和结果图片。

  3. 所属分类：Python

    • 发布日期：2019-03-29
    • 文件大小：21504
    • 提供者：qq_23017325

  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

  3. 所属分类：Python

    • 发布日期：2019-07-15
    • 文件大小：240640
    • 提供者：lingfeian

  1. 数据降维.rar

  2. 本资源包含python实现的LDA和PCA数据降维算法，包含测试数据，下载后直接使用。供学习参考

  3. 所属分类：机器学习

    • 发布日期：2019-08-19
    • 文件大小：211968
    • 提供者：qq_37135484

  1. pca+svm实现人脸识别

  2. 借助pca算法实现特征降维并提取特征脸 通过支持向量机实现人脸识别。 代码为python代码，需要import sklearn库和matplotlab库。识别的准确率为85%左右。用的是fetch_lfw_people人脸数据集。

  3. 所属分类：机器学习

    • 发布日期：2020-06-30
    • 文件大小：5120
    • 提供者：qq_36694433

  1. python实现PCA降维的示例详解

  2. 今天小编就为大家分享一篇python实现PCA降维的示例详解，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：2020-09-17
    • 文件大小：149504
    • 提供者：weixin_38738977

  1. python实现人脸识别经典算法（一） 特征脸法

  2. 近来想要做一做人脸识别相关的内容，主要是想集成一个系统，看到opencv已经集成了三种性能较好的算法，但是还是想自己动手试一下，毕竟算法都比较初级。 操作环境：python2.7 第三方库：opencv for python、numpy 第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像，之后再把它首尾相接转化为一个列向量，假设图像大小是20*20的，那么这个向量就是400维，理论上讲组织成一个向量，就可以应用任何机器学习算

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：71680
    • 提供者：weixin_38624628

  1. 机器学习入门 — LDA与PCA算法（公式推导、纯python代码实现、scikit-learn api调用对比结果）

  2. 为什么要做降维： 提高计算效率 留存有用的特征，为后续建模使用 在项目中实际拿到的数据，可能会有几百个维度（特征）的数据集，这样的数据集在建模使用时，非常消耗计算资源，所以需要通过使用降维方法来优化数据集 线性判别分析（Linear Discriminant Analysis） 用途：数据预处理中的降维，分类任务（有监督问题） 目标：LDA关心的是能够最大化类间区分度的坐标轴成分 将特征空间（数据集中的多维样本）投影到一个维度更小的 k 维子空间中，同时保持区分类别的信息 原理：投影到维度更低的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：287744
    • 提供者：weixin_38654855

  1. Python sklearn库实现PCA教程(以鸢尾花分类为例)

  2. PCA简介 主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。 基本步骤： 具体实现 我们通过Python的sklearn库来实现鸢尾花数据进行降维，数据本身是4维的降维后变成2维，可以在平面中画出样本点的分布。样本数据结构如下图： 其中样本总数

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：145408
    • 提供者：weixin_38686677

  1. python实现PCA降维的示例详解

  2. 概述 本文主要介绍一种降维方法，PCA（Principal Component Analysis，主成分分析）。降维致力于解决三类问题。 1. 降维可以缓解维度灾难问题； 2. 降维可以在压缩数据的同时让信息损失最小化； 3. 理解几百个维度的数据结构很困难，两三个维度的数据通过可视化更容易理解。 PCA简介 在理解特征提取与处理时，涉及高维特征向量的问题往往容易陷入维度灾难。随着数据集维度的增加，算法学习需要的样本数量呈指数级增加。有些应用中，遇到这样的大数据是非常不利的，而且从大数据集中学习

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：152576
    • 提供者：weixin_38752897

  1. 数据压缩预备知识（二）主成分分析法及其python实现

  2. 一、概述 主成分分析法（PCA）主要应用于数据降维。其思想是使用较少的变量来取代原先较多的变量，以实现节省数据量的效果。需要指出，若原始变量之间互相正交，即线性无关，则主成分分析法没有效果。 二、原理 假定有n个样本，每个样本有p个变量描述，则所有数据构成了一个n*p阶的矩阵X X = [[dat1], [dat2], ..... [datn]] 但我们希望通过q个变量来描述这些数据（q<p），最简单地，可以取之前p个变量的线性组合，记为Z。对于n中的第i个数据，有 Z[i,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：56320
    • 提供者：weixin_38691703

  1. 特征提取数据降维PCA、LDA、MDS、LLE、TSNE等降维算法的python实现.zip

  2. 特征提取数据降维PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

  3. 所属分类：Python

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：panda2026

  1. Python使用三种方法实现PCA算法

  2. 主成分分析，即Principal Component Analysis（PCA），是多元统计中的重要内容，也广泛应用于机器学习和其它领域。它的主要作用是对高维数据进行降维。PCA把原先的n个特征用数目更少的k个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的k个特征互不相关。关于PCA的更多介绍，请参考：https://en.wikipedia.org/wiki/Principal_component_analysis. 主成分分析（PCA） vs 多元判别式分析（MD

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：84992
    • 提供者：weixin_38597970

  1. dimensionality_reduction_alo,PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

  2. PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

  3. 所属分类：机器学习

    • 发布日期：2021-01-17
    • 文件大小：1048576
    • 提供者：bruce__ray