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. 树模型论文汇总.zip

  2. xgboost、lightgbm、catboost论文汇总。 XGBoost[1]是2014年2月诞生的专注于梯度提升算法的机器学习函数库，此函数库因其优良的学习效果以及高效的训练速度而获得广泛的关注。仅在2015年，在Kaggle[2]竞赛中获胜的29个算法中，有17个使用了XGBoost库，而作为对比，近年大热的深度神经网络方法，这一数据则是11个。在KDDCup 2015 [3]竞赛中，排名前十的队伍全部使用了XGBoost库。XGBoost不仅学习效果很好，而且速度也很快，相比梯度提升

  3. 所属分类：机器学习

    • 发布日期：2019-08-13
    • 文件大小：2097152
    • 提供者：qq_22866291

  1. scikit-learn使用汇总

  2. 1. 分类器 1.1. 逻辑回归   Logistic regression在sklearn中有不同的实现方式，即solver{‘newton-cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’}, default=’lbfgs’，其中当solver为‘sag’或者‘liblinear’时，需要指定随机种子(The seed of the pseudo random number generator to use when shuffling the data)。

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：62464
    • 提供者：weixin_38618312

  1. Classify-Song-Genres-from-Audio-Data-源码

  2. 从音频数据分类歌曲流派 项目描述 使用由两种音乐流派（嘻哈和摇滚）的歌曲组成的数据集，您将训练一个分类器以仅基于从Echonest（现在是Spotify的一部分）获得的曲目信息来区分这两种流派。 首先，您将使用Python中的熊猫和seaborn软件包对数据进行子集，汇总信息并创建图表，以便在进行数据学习时发现在进行机器学习时应注意的明显趋势或因素。 接下来，您将使用scikit-learn包来预测您是否可以根据诸如舞蹈性，能量，声学，节奏等特征正确地对歌曲的类型进行分类。您将介绍PCA，逻辑回

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_42133861

  1. 贷款分类：该项目的目的是建立一个经过训练的ANN模型，以预测新的潜在客户是否会偿还其贷款-源码

  2. 贷款分类 该项目的目的是建立一个经过训练的ANN模型，以预测新的潜在客户是否会偿还其贷款。 数据集 从Kaggle下载。 此数据中有151列。 允许您修剪大多数不相关的功能。 安装 pip install tensorflow==2.4.0 pip install matplotlib==3.1.1 pip install pandas==0.25.2 pip install scikit-learn==0.21.3 pip install seaborn==0.9.0 型号汇总 允许您使用预处

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：261120
    • 提供者：weixin_42113552

  1. 从音频数据项目分类歌曲类型：摇滚还是说唱？ 让我们在Python中应用机器学习方法将歌曲分类为流派-源码

  2. 从音频数据对歌曲流派进行项目分类 使用由两种音乐流派（嘻哈和摇滚）的歌曲组成的数据集，我们将训练一个分类器，仅基于从Echonest（现在是Spotify的一部分）获得的曲目信息来区分两种流派。 我们将首先使用Python中的熊猫和seaborn软件包对数据进行子集，汇总信息以及在探查数据时发现明显的趋势或进行机器学习时应注意的因素时创建图。 接下来，我们将使用scikit-learn程序包来预测我们是否可以根据诸如舞蹈性，能量，声学，节奏等特征正确地对歌曲的类型进行分类。我们将介绍PCA，逻

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：1048576
    • 提供者：weixin_42137028

  1. 稳定性选择：与scikit-learn兼容的稳定性选择实现-源码

  2. 稳定性选择-兼容scikit-learn的稳定性选择实现 稳定性选择是稳定性选择特征选择算法的Python实现，最早由提出。 稳定性选择的思想是通过生成数据的自举样本，将更多的噪声注入原始问题，并使用基本特征选择算法（例如LASSO）来找出哪些特征在每个采样版本的数据中都很重要。 然后汇总每个自举样本的结果，以计算数据中每个特征的稳定性得分。 然后可以通过为稳定性评分选择合适的阈值来选择特征。 安装 要安装模块，请克隆存储库 git clone https://github.com/scik

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：40960
    • 提供者：weixin_42117037