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. 机器学习工程师从算法基础到实战案例

  2. 【课程内容】 第一阶段：Python数据分析与建模库 Python快速入门 科学计算库Numpy 数据分析处理库Pandas 可视化库Matplotlib Seaborn可视化库 第二阶段：机器学习经典算法 回归算法 决策树与随机森林 贝叶斯算法 Xgboost 支持向量机算法 时间序列AIRMA模型 神经网络基础 神经网络架构 PCA降维与SVD矩阵分解 聚类算法 推荐系统 Word2Vec 第三阶段：机器学习案例实战 使用Python分析科比生涯数据 案例实战-信用卡欺诈检测 Python

  3. 所属分类：机器学习

    • 发布日期：2018-03-14
    • 文件大小：76
    • 提供者：u013844840

  1. TICC- TimeSeries Analyze

  2. Toeplitz Inverse Covariance-based Clustering (TICC).   TICC是一个用于高效分段和聚类多变量时间序列的python求解器。   TICC的输入是T*N数据矩阵、正则化参数“lambda”和平滑度参数“β”作为输入，窗口大小“w”和簇数“k”。   TICC将时间戳分割成每个分段。   它通过运行EM算法来实现，其中TICC使用DP算法交替地分配聚类并通过解决Toeplitz逆协方差估计问题来更新聚类参数。 细节可以在论文中找到。

  3. 所属分类：机器学习

    • 发布日期：2018-07-29
    • 文件大小：3145728
    • 提供者：zcmxx

  1. 四种聚类算法实现对控制图时间序列的聚类

  2. 主要针对控制图时间序列数据集的聚类任务，使用了基于划分的（K-Means）、基于层次的（AGNES）、基于密度的（DBSCAN）以及基于图的（spectral clustering）聚类方法，最后可视化结果，用Jupyter Notebook编写（python），四种聚类算法和数据集均打包在一起。

  3. 所属分类：Python

    • 发布日期：2020-07-01
    • 文件大小：217088
    • 提供者：ldm_666

  1. 利用Python对时间序列进行分类与聚类

  2. 可靠的方法去判断两个时间序列是否相似，截下来便可以使用k-NN算法进行分类。根据经验，最优解一般出现在k=1的时候。下面就利用DTW欧氏距离的1-NN算法。在该算法中，train是时间序列示例的训练集，其中时间序列所属的类被附加到时间序列的末尾。test是相应的测试集，它所属于的类别就是我们想要预测的结果。在该算法中，对于测试集中的每一个时间序列，每一遍搜索必须遍历训练集中的所有点，从而可以找到最多的相似点。考虑到DTW算法是二次方的，计算过程会耗费非常长时间。我们可以通过LB Keogh下界方

  3. 所属分类：机器学习

    • 发布日期：2020-12-13
    • 文件大小：3145728
    • 提供者：kamo54

  1. deepclusteringTS-torch-源码

  2. 深层TS火炬 这是使用深度学习技术的无监督时间序列聚类（TSC）任务的存储库。 数据集说明 MNIST UCR UEA TE（） 型号说明 模型 纸 SDAE DEC DCEC 储存库环境 语言：Python 3.6 深度学习框架：Pytorch 参考

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：27648
    • 提供者：weixin_42144086

  1. LucasEzBM-源码

  2. 你好呀 :waving_hand: 卢卡斯（Lucas Ezequiel） 数据科学家 我是一名土木工程师，转用数据科学，自2019年以来我一直在学习机器学习。我专注于掌握开发业务问题解决方案的能力，使用数据科学工具，并且从了解业务环境的阶段到部署机器学习模型并创建新的业务见解。 在这段时间里，我已经针对商业问题开发了解决方案，例如识别客户​​流失，确定客户的交叉销售优先级，降低CAC值，预测商店销售额以及根据从广告网站上抓取的数据创建EDA。 每个项目的详细信息在下面的项目中进行了描述。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：2048
    • 提供者：weixin_42101384

  1. mlcourse_dubai:迪拜机器学习课程的资料库-源码

  2. 迪拜的开放式机器学习课程 该库包含2020年Spring在迪拜举行的ML课程的所有考试材料。该课程在开放数据科学社区的支持下成立。该课程于2月19日开始。该活动将由霍特国际商学院举办。所有讲座将由具有Reactor，FICO，Deloitte，VISA，沙迦美国大学的实践经验的导师讲授。 讲座时间表 简介，2020年2月19日 熊猫探索性数据分析，2020年3月25日 使用Python进行可视数据分析，2020年1月4日 决策树，2020年4月4日 Logistic回归，2020年4月15日 合

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：100663296
    • 提供者：weixin_42159267

  1. TimeSeriesDeepClustering:这是与为“时间序列聚类的端到端深度表示学习”工作所进行的实验相对应的代码。-源码

  2. 用于时间序列聚类的端到端深度表示学习 这是与为“时间序列聚类的端到端深度表示学习：一个比较研究”（Baptiste Lafabregue，Jonathan Weber，PierreGançarki和Germain Forestier）所做的实验相对应的代码 数据集 该论文使用的数据集可在以下获得： : 。单变量和多变量归档都可以使用。 用法 安装套件 您可以使用自己喜欢的软件包管理器（建议使用conda），创建python 3.8或更高版本的新环境并使用列出的软件包 pip install

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：6291456
    • 提供者：weixin_42172972

  1. DataScience_ArtificialIntelligence_Utils：数据科学项目和人工智能用例的示例-源码

  2. 数据科学与人工智能实例（Python） 在此存储库中，您可以找到有用的数据科学用例和人工智能问题的示例。 其中一些示例在“迈向数据科学和分析”的文章中进行了解释（笔记本中的链接，或者您可以）。 1.经典机器学习： 分析 模型 评价 可解释性 分析 模型 评价 可解释性 地理空间互动地图 2.时间序列： 分析 模型 评价 发行版 聚类 3.自然语言处理： 分析 模型 评价 可解释性 模型 4.计算机视觉： 预处理 物体检测 5.强化学习： 工作正在进行中

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：75497472
    • 提供者：weixin_42128963

  1. khiva用例：Khiva用例-源码

  2. Khiva的用例 这个仓库是做什么用的？ 该存储库提供代码，笔记本和演示文稿，以支持和解决应用Khiva库的完整用例。 仓库的结构是什么？ 在根目录中，有一个文件夹用于数据探索，该文件夹包含对不同性质的数据集（例如能量）的探索。 除此之外，我们还有一个带有python笔记本的文件夹，其中显示了一些有趣的用例，例如异常检测，聚类，主题发现或特征提取。 希瓦图书馆 是一个开放源代码库，旨在分析时间序列，其关键点是： 特征提取。 时间序列重维度。 距离比较。 图案检测。 不和谐检测。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：146800640
    • 提供者：weixin_42129005

  1. TSML.jl:一个用于时间序列数据处理，分类，聚类和预测的软件包-源码

  2. 文献资料 建置状态 帮助 随着时间的推移观星人 TSML（时序机器学习） TSML是用于时间序列数据处理，分类，聚类和预测的软件包。 它使用通用API结合了Python的ScikitLearn（通过其互补的软件包）和Julia ML的ML库，并允许无缝集成和集成异构ML库以创建复杂的模型，以进行可靠的时间序列预测。 该包的设计/框架受Samuel Jenkins的和包的影响很大。 TSML在Julia 1.0及更高版本中针对Linux，MacOS和Windows进行了积极开发和测试。 链接到

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：2097152
    • 提供者：weixin_42152298