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. 高级算法_one.docx

  2. 高级算法_task1，内容有：随机森林算法梳理 集成学习的概念 个体学习器的概念 boosting bagging的概念、异同点 理解不同的结合策略(平均法，投票法，学习法) 随机森林的思想 随机森林的推广 随机森林的优缺点 随机森林在sklearn中的参数解释 随机森林的应用场景

  3. 所属分类：深度学习

    • 发布日期：2019-08-07
    • 文件大小：257024
    • 提供者：qq_40441895

  1. 模式识别（模型选择，SVM，分类器）作业解答+代码.docx

  2. Adaboost算法的设计思想。从机器学习的角度简述模型选择的基本原则。丑小鸭定理；Occam剃刀原理；最小描述长度定理。简述分类器集成的基本方法。推导Hard-Margin SVM的优化目标。解释Hinge Loss在SVM中的意义。编程：从MNIST数据集中选择两类，对其进行SVM分类，可调用现有的SVM工具利用sklearn库进行svm训练MNIST数据集，准确率可以达到90%以上。

  3. 所属分类：互联网

    • 发布日期：2020-03-27
    • 文件大小：98304
    • 提供者：qq_36918538

  1. 总结：Bootstrap(自助法)，Bagging，Boosting(提升) - 简书.pdf

  2. 关于机器学习方面的集成算法，包括boosting和bagging，里面讲解详细，值得下载2019/4/27 总结: Bootstrap(白助法), Bagging, Boosting(提升)-简书 assiier 1 -9 Decition boundary Classifier 2 Decislon boundary 2 Classifier 3 o Decision boundary 3 ▲△▲ △6▲ Feature 1 Feature 1 Featur (∑ g Feature Ense

  3. 所属分类：机器学习

    • 发布日期：2019-10-13
    • 文件大小：2097152
    • 提供者：qq_15141977

  1. 结合知识图谱实现基于电影的推荐系统.pdf

  2. 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。交叉特征矩阵 Cr 交叉单元 第层 el 7交叉压缩单元模型的结构 交叉压缩单元模型的具体处理过程如下 (1)将与进行矩阵相乘得到。 (2)将复制一份,并讲行转置得到。实现特征交叉融合 (3)将经过权重矩阵进行线性变化(与矩阵相乘) (4)将经过权重矩阵进行线性变化。 (5)将(3)与(4)的结果相加,再与偏置参数相加,得到。将用于推荐算法模型的后续计算。 (6)按照第(3)、(4)、(5)步的做法,同理可以得到

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：867328
    • 提供者：zjxaut2008

  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. sklearn 的一些常见算法的使用

  2. sklearn中决策树，knn，pca，逻辑回归，线性回归，svm，集成学习，线性回归算法的使用

  3. 所属分类：机器学习

    • 发布日期：2019-03-17
    • 文件大小：8388608
    • 提供者：qq_41861526

  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使用sklearn实现的各种回归算法示例

  2. 本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考，具体如下： 使用sklearn做各种回归 基本回归：线性、决策树、SVM、KNN 集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees 1. 数据准备 为了实验用，我自己写了一个二元函数，y=0.5*np.sin(x1)+ 0.5*np.cos(x2)+0.1*x1+3。其中x1的取值范围是0~50，x2的取值范围是-10~10，x1和x2的训练集一共有5

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：431104
    • 提供者：weixin_38668776

  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机器学习库sklearn——集成方法

  2. 本文来自csdn，本文将介绍sklearn中如何使用集成学习,模块还支持树的并行构建和预测结果的并行计算，希望对您的学习有所帮助。集成方法的目标是把多个使用给定学习算法构建的基估计器的预测结果结合起来，从而获得比单个估计器更好的泛化能力/鲁棒性。在scikit-learn中，bagging方法使用统一的BaggingClassifier元估计器（或者BaggingRegressor），输入的参数和随机子集抽取策略由用户指定。max_samples和max_features控制着子集的大小（对于样

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：227328
    • 提供者：weixin_38690017

  1. Deep-Forest：Deep Forest 2021.2.1的实现-源码

  2. 深林（DF）21 DF21是 2021.2.1的实现。 它具有以下优点： 强大：比现有的基于树的集成方法具有更高的准确性。 易于使用：减少调整参数的工作量。 高效：训练速度快，效率高。 可扩展：能够处理大规模数据。 DF21为基于树的机器学习算法（例如随机森林或GBDT）提供了有效而强大的选择。 要快速，请参阅“ 。 有关参数调整的详细指导，请参阅。 安装 可以通过使用pip来安装DF21， 是Python的软件包安装程序。 您可以使用pip从Python软件包索引和其他索引安装软

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：111616
    • 提供者：weixin_42164931

  1. outlier.txt

  2. Isolation Forest（sklearn.ensemble.IsolationForest）：一种与随机森林类似，都是高效的集成算法，算法鲁棒性高且对数据集的分布无假设。另外，基于树的集成算法，对数据特征的要求宽松。

  3. 所属分类：Python

    • 发布日期：2021-02-08
    • 文件大小：4194304
    • 提供者：weixin_48135624

  1. Python3初学者的机器学习：为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序-源码

  2. Python3初学者机器学习 为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序。只要数据格式和示例的中的一样，程序可灵活调用。 入门篇 线性回归（Linear Regression） 实例： 逻辑回归（Logistic Regression） 实例： Softmax回归（Softmax回归） 实例： Kmeans ++群集（K均值++聚类） 实例： 初级篇 理论推导 实例 北京市Pm2.5预测 成年人收入分类和Mnist手写数字识

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：30408704
    • 提供者：weixin_42138703

  1. python机器学习库sklearn——集成方法

  2. 本文来自csdn，本文将介绍sklearn中如何使用集成学习,模块还支持树的并行构建和预测结果的并行计算，希望对您的学习有所帮助。集成方法的目标是把多个使用给定学习算法构建的基估计器的预测结果结合起来，从而获得比单个估计器更好的泛化能力/鲁棒性。 在scikit-learn中，bagging方法使用统一的BaggingClassifier 元估计器（或者BaggingRegress

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：215040
    • 提供者：weixin_38548717