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. 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. 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. 解决Python计算矩阵乘向量,矩阵乘实数的一些小错误

  2. 今天小编就为大家分享一篇解决Python计算矩阵乘向量,矩阵乘实数的一些小错误，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：2020-09-18
    • 文件大小：97280
    • 提供者：weixin_38614268

  1. 对python中的乘法dot和对应分量相乘multiply详解

  2. 向量点乘 (dot) 和对应分量相乘 (multiply) ： >>> a array([1, 2, 3]) >>> b array([ 1., 1., 1.]) >>> np.multiply(a,b) array([ 1., 2., 3.]) >>> np.dot(a,b) 6.0 矩阵乘法 (dot) 和对应分量相乘 (multiply) ： >>> c matrix([[1, 2, 3]]) &

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：28672
    • 提供者：weixin_38516658

  1. 解决Python计算矩阵乘向量,矩阵乘实数的一些小错误

  2. 计算：Ax-b A: 2*2 x: 2*1 b: 2*1 so, Ax-b: 2*1 if __name__ == __main__: A = np.array([[4.0, 1.0], [1.0, 3.0]]) b = np.array([[1.0], [2.0]]) x_0 = np.array([[2.0], [1.0]]) r_k = A * x_0 - b print(r_k) 错误！！！ 修改： if __name__ == __

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：100352
    • 提供者：weixin_38741195

  1. 梯度下降算法和牛顿算法原理以及使用python用梯度下降和最小二乘算法求回归系数

  2. 梯度下降算法 以下内容参考 微信公众号 AI学习与实践平台 SIGAI 导度和梯度的问题 因为我们做的是多元函数的极值求解问题，所以我们直接讨论多元函数。多元函数的梯度定义为： 其中称为梯度算子，它作用于一个多元函数，得到一个向量。下面是计算函数梯度的一个例子 可导函数在某一点处取得极值的必要条件是梯度为0，梯度为0的点称为函数的驻点，这是疑似极值点。需要注意的是，梯度为0只是函数取极值的必要条件而不是充分条件，即梯度为0的点可能不是极值点。 至于是极大值还是极小值，要看二阶导数/Hess

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：348160
    • 提供者：weixin_38674616