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. svc.py支持向量机

  2. python机器学习支持向量机svc

  3. 所属分类：机器学习

    • 发布日期：2019-05-23
    • 文件大小：7168
    • 提供者：weixin_44932207

  1. python-机器学习-支持向量机

  2. python-机器学习-支持向量机

  3. 所属分类：Python

    • 发布日期：2017-03-23
    • 文件大小：808960
    • 提供者：l_x_d_

  1. Python机器学习之SVM支持向量机

  2. 主要为大家详细介绍了Python机器学习之SVM支持向量机，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：220160
    • 提供者：weixin_38536576

  1. python机器学习理论与实战（六）支持向量机

  2. 主要介绍了python机器学习理论与实战第六篇，支持向量机的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：200704
    • 提供者：weixin_38652636

  1. python机器学习理论与实战（五）支持向量机

  2. 主要为大家详细介绍了python机器学习理论与实战第五篇，支持向量机的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：229376
    • 提供者：weixin_38707217

  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 主要介绍了python 机器学习之支持向量机非线性回归SVR模型，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：83968
    • 提供者：weixin_38623249

  1. python机器学习理论与实战（五）支持向量机

  2. 做机器学习的一定对支持向量机（support vector machine-SVM）颇为熟悉，因为在深度学习出现之前，SVM一直霸占着机器学习老大哥的位子。他的理论很优美，各种变种改进版本也很多，比如latent-SVM, structural-SVM等。这节先来看看SVM的理论吧，在（图一）中A图表示有两类的数据集，图B,C,D都提供了一个线性分类器来对数据进行分类？但是哪个效果好一些？ （图一）         可能对这个数据集来说，三个的分类器都一样足够好了吧，但是其实不然，这个只是训练

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：228352
    • 提供者：weixin_38711149

  1. Python中使用支持向量机SVM实践

  2. 在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征：    (1)SVM可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间，这种方法一般只能获得局部最优解。   (2) SVM通过最大化决策边界的边缘来实现控制模型的能力。尽管如此，用户必须提供其他参数，如使用核函数类型和引入松弛变量等。   (

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：60416
    • 提供者：weixin_38534344

  1. Python中支持向量机SVM的使用方法详解

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明 　　skleran中集成了许多算法，其导入包的方式如下所示， 　　逻辑回归：from sklearn.linear_model import LogisticRegression    

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：182272
    • 提供者：weixin_38738783

  1. Python中使用支持向量机(SVM)算法

  2. 在机器学习领域，支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征：    (1)SVM可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间，这种方法一般只能获得局部最优解。   (2) SVM通过最大化决策边界的边缘来实现控制模型的能力。尽管如此，用户必须提供其他参数，如使用核函数类型和引入松弛变量等。  

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：120832
    • 提供者：weixin_38581405

  1. Python机器学习之SVM支持向量机

  2. SVM支持向量机是建立于统计学习理论上的一种分类算法，适合与处理具备高维特征的数据集。 SVM算法的数学原理相对比较复杂，好在由于SVM算法的研究与应用如此火爆，CSDN博客里也有大量的好文章对此进行分析，下面给出几个本人认为讲解的相当不错的： 支持向量机通俗导论（理解SVM的3层境界） JULY大牛讲的是如此详细，由浅入深层层推进，以至于关于SVM的原理，我一个字都不想写了。。强烈推荐。 还有一个比较通俗的简单版本的：手把手教你实现SVM算法 SVN原理比较复杂，但是思想很简单，一句话概括，就

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：219136
    • 提供者：weixin_38685694

  1. 编程作业（python）| 吴恩达 机器学习（6）支持向量机 SVM

  2. ∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗\color{#f00}{***\ 点击查看\ :吴恩达机器学习 \ —— \ 整套笔记+编程作业详解\ ***}∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗ 作业及代码：https://pan.baidu.com/s/1L-Tbo3flzKplAof3fFdD1w 密码:oin0 本次作业的理论部分：吴恩达机器学习（七）支持向量机 编程环境：Jupyter Notebook 1. 线性 SVM

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：394240
    • 提供者：weixin_38608726

  1. 机器学习推导+python实现（九）：线性支持向量机

  2. 写在开头：今天将跟着昨天的节奏来分享一下线性支持向量机。 内容安排 线性回归（一）、逻辑回归（二）、K近邻（三）、决策树值ID3（四）、CART（五）、感知机（六）、神经网络（七）、线性可分支持向量机（八）、线性支持向量机（九）、线性不可分支持向量机（十）、朴素贝叶斯（十一）、Lasso回归（十二）、Ridge岭回归（十三）等。 昨天再分享线性可分支持向量机的时候，大家不免会发现其既定前提是数据线性可分，但实际生活中对于线性可分的数据来说还是比较少，那么如何在线性可分支持向量机的基础上进行改机使

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：173056
    • 提供者：weixin_38565818

  1. python机器学习库scikit-learn：SVR的基本应用

  2. scikit-learn是python的第三方机器学习库，里面集成了大量机器学习的常用方法。例如：贝叶斯，svm，knn等。 scikit-learn的官网 ： http://scikit-learn.org/stable/index.html点击打开链接 SVR是支持向量回归(support vector regression)的英文缩写，是支持向量机(SVM)的重要的应用分支。 scikit-learn中提供了基于libsvm的SVR解决方案。 PS:libsvm是台湾大学林智仁教授等开发设

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：131072
    • 提供者：weixin_38702417

  1. Python中的支持向量机SVM的使用（附实例代码）

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明：http://scikit-learn.org/stable/auto_examples/index.html。 skleran中集成了许多算法，其导入包的方式如下所示， 逻辑回归：from

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：179200
    • 提供者：weixin_38703980

  1. Python机器学习实训营（2020版）.rar

  2. Python机器学习实训营（2020版）视频教程； 章节1:线性回归原理推导 章节2:线性回归代码实现 章节3:模型评估方法 章节4:线性回归实验分析 章节5:逻辑回归原理推导 章节6:逻辑回归代码实现 章节7:逻辑回归实验分析 章节8:聚类算法-Kmeans&Dbscan原理 章节9:Kmeans代码实现 章节10:聚类算法实验分析 章节11:决策树原理 章节12:决策树代码实现 章节13:决策树实验分析 章节14:集成算法原理 章节15:集成算法实验分析 章节16:支持向量机原理推导 章节1

  3. 所属分类：机器学习

    • 发布日期：2021-03-08
    • 文件大小：816
    • 提供者：u011552756

  1. 【机器学习】支持向量机（6）——SMO算法Python代码实现-附件资源

  2. 【机器学习】支持向量机（6）——SMO算法Python代码实现-附件资源

  3. 所属分类：互联网

  1. 【机器学习】支持向量机（6）——SMO算法Python代码实现-附件资源

  2. 【机器学习】支持向量机（6）——SMO算法Python代码实现-附件资源

  3. 所属分类：互联网

  1. svm_mnist_digit_classification：具有scikit学习和支持向量机（SVM）算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的，我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能，而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化，但结果还是不错的（请参见下表）。 如果您想获得最佳性能，这两个资源将向您展示当前的最新解决方案： 下表显示了与其他模型相比的一些结果：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：50176
    • 提供者：weixin_42150341

  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' d

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：87040
    • 提供者：weixin_38622467
« 12 3 4 5 »