您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 用tensorflow实现弹性网络回归算法

  2. 本文实例为大家分享了tensorflow实现弹性网络回归算法,供大家参考,具体内容如下 python代码: #用tensorflow实现弹性网络算法(多变量) #使用鸢尾花数据集,后三个特征作为特征,用来预测第一个特征。 #1 导入必要的编程库,创建计算图,加载数据集 import matplotlib.pyplot as plt import tensorflow as tf import numpy as np from sklearn import datasets from tens
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:43008
    • 提供者:weixin_38736760
  1. 线性回归模型预测波士顿房价并绘图

  2. 波士顿房价 这是 sklearn.datasets 里的一种 Toy Dataset ,包含503个美国波士顿房价的观测值,是内置的小数据集,也是研究回归算法的优秀数据集。 Python编程实现 import matplotlib.pyplot as plt import matplotlib.font_manager as fm import numpy as np import pandas as pd from sklearn.datasets import load_boston fro
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:125952
    • 提供者:weixin_38725902
  1. 机器学习实战_K近邻算法 ——手写数字预测(sklearn api)

  2. 一、序 机器学习实战_K近邻算法 ——手写数字预测 调用的是自己编写的分类器classify0,主要是为了学习理论原理;在实际是项目中通常调用工具包的api接口,比如sklearn,这也体现了python的一个便利性,不用总是自己造轮子。虽然python提供了很多机器学习的工具包,但是也是在我们了解和熟悉算法的基本实现原理。 二、sklearn中KNeighborsClassifier的介绍 class sklearn.neighbors.KNeighborsClassifier(n_neigh
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:93184
    • 提供者:weixin_38686267
  1. sklearn中KNN的使用

  2. KNN算法主要用于分类问题。 它的核心思想是: 给定一个预测目标 计算预测目标和所有样本之间的距离或者相似度 选择距离最近的前K个样本 通过投票来决定分类 sklearn包中自带的iris样本数据集,这里用这个数据集来练习knn算法。 1、iris数据集的介绍 参考:这一块内容昨天看了一篇博文,忘记地址了。 数据集内包含 3 类共 150 条记录,每类各 50 个数据。 每条记录都有 4 个特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度。 鸢尾花有三个品种:iris-setosa, iris-ve
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:52224
    • 提供者:weixin_38506713
  1. 如何实现一个KNN算法

  2. 教你如何自己实现KNN算法 KNN算法,也称为K邻近算法,可以解决回归和分类问题,但解决分类问题才是它的优势。 KNN算法的本质就是寻找与我们提供的数据相似的k个样本,然后判断这k个样本的标签,最后统计每个标签出现的次数,次数最多的标签,就会被当作我们提供的数据的标签。 先说说工作流程: 机器学习是基于数据的,所以要先将实物转换为向量、矩阵或张量的形式 通过欧式距离计算出测试样本与其他样本之间的距离 将距离按照小到大排序,并取前K个值 判断前K个值相应的标签,并进行统计 统计最多的标签即为预测结
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:54272
    • 提供者:weixin_38611254
  1. capston_project:预测股价。 Udacity的机器学习纳米学位的最后一个项目-源码

  2. capston_project 预测股价。 Udacity的机器学习纳米学位的最后一个项目 必要软件包Python 3.x Pandas NumPy Keras TesnorFlow MatplotLib AlphaVantage Sklearn 1背景自从发明了股票市场以来,人们一直试图提出创造性的解决方案来“击败它”。 随着计算机的发明,人们试图利用其计算能力来尝试并利用股票市场。 数学的不同领域引起了定量分析的兴起,其中一些聪明的人创造了工具和理论来预测股票市场的行为以利于他们。 如今
  3. 所属分类:其它

    • 发布日期:2021-03-25
    • 文件大小:1048576
    • 提供者:weixin_42126668
  1. stock-prediction-sklearn:利用强大的工具包scikit-learn进行监督式回归算法-源码

  2. 库存预测 Author - > Stefanos Ginargyros 依存关系 为了运行脚本,您将需要以下依赖项: pip install matplotlib pip install pandas pip install scikit-learn pip install numpy 问题描述 该特定问题的数据集是FACEBOOK(NASDAQ:FB)在2019年5月的股票价值,但您可以选择所需的任何股票或顺序实体。 任务是根据当月以前的股票价格,预测5月最后一天的[公开]股票价格。
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:198656
    • 提供者:weixin_42166105
  1. 医疗保险费用预测器-源码

  2. 医疗保险费用预测器 该项目预测个人的医疗保险费用。 该模型通过考虑人的年龄,性别,bmi,孩子的数量以及个人是否吸烟来预测成本。 为什么使用此数据集? 我选择此数据集是因为预测个人的医疗保险费用将帮助保险公司选择价格,银行相应地发放贷款,并且,个人将了解有关保险费用和计划其财务状况的费用因此。 使用的算法 线性回归已用于训练模型。 80%的数据集已用于训练数据集,而20%的数据已用于测试。 绘制数据后,可以看到该图是一条直线。 因此,已使用线性回归。 该模型的方差得分约为0.80。 如果模
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:19456
    • 提供者:weixin_42115513
  1. 肺癌手术后死亡率预测器:用于预测肺癌患者手术后预期寿命的二进制分类神经网络-源码

  2. 肺癌手术后死亡率预测因子 动机 基于医学数据的诊断膀胱炎存在的多元二元分类算法。 该数据是由医学专家创建的,用于测试专家系统的数据集,该系统将对两种泌尿系统疾病进行推定诊断。[1] 考虑到数据集的多变量性质[2],使用pandas cat.codes类对分类特征进行了一种热编码。 所有功能也通过sklearn的StandardScaler类进行了标准化。 神经网络拓扑和结果摘要 针对该分类问题,利用了二进制交叉熵损失函数和Adam优化器。 在大约70个时代之后,二元分类器在膀胱炎诊断中的准
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:1024
    • 提供者:weixin_42103587
  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. 将客户定向到通过应用程序行为分析:此模型的目的是预测哪些用户不会订阅付费会员,以便进行更大的营销工作,以尝试将他们“转换”为付费用户-源码

  2. 机器学习:FINTECH中的用例 这些项目的数据是根据实际案例研究中发现的趋势制造的字段。 这些字段描述了公司通常从其用户处跟踪的内容,并且这些分布基于在真实世界分析中观察到的分布。 这意味着,尽管数据是人为创建的,但是模式,关联和分布并不是随机的。 数据可以很好地表示您在工作场所可能遇到的情况。 也就是说,数据很少是干净的,并且需要大量预处理才能准备好进行建模。 型号说明: 模型构建过程由多个部分组成: 使用Matplotlib和Seaborn进行绘图-探索性数据分析(EDA)将花费大量
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:353280
    • 提供者:weixin_42159267
  1. URL-Malware-Analyzer:一种安全工具,可根据Logistic回归算法扫描URL并预测URL是否为恶意软件-源码

  2. URL-恶意软件分析器 扫描URL并预测URL是否为恶意的安全工具。 预测基于URL列表,相应的标签(可以在线使用大量列表)和Logistic回归算法模型(scikit Learn) 。 向量化 向量化是将文本文档集合转换为数字特征向量的一般过程。 这种特定的策略(标记化,计数和归一化)称为“词袋”或“ n-gram袋”表示。 通过单词出现来描述文档,而完全忽略文档中单词的相对位置信息。 sklearn.feature_extraction.text 文本分析是机器学习算法的主要应用领域。 但
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:2048
    • 提供者:weixin_42118056
  1. 情绪分析:目的是开发一个模型,该模型可以为客户的测试样本提供准确的预测,但没有给出训练样本。 应该通过解析来收集-源码

  2. 情感分析 该项目是分析文本语调/情感分析。 目的是开发一个模型,该模型可以准确预测客户对电子商品的反馈(俄语)。 没有设置修剪。 应该收集它。 项目步骤概述 第一步是使用有关电影评论的给定数据构建模型。 在这一步,我学习了如何分析文本,使用什么度量,分类器及其设置如何更好地应对这一任务。 然后,第二步是商店中商品评论的情绪分析。 该任务分为以下子任务: 真正的在线商店的数据收集/解析 数据处理与清理 模型选择,交叉验证测试 进行算法的交互式演示 文件夹和文件: 与数据收集和模型开发有关的步
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:381952
    • 提供者:weixin_42181545
  1. ML-Predictions:机器学习引擎使用回归功能在给定任何数据集的情况下生成预测-源码

  2. 机器学习-预测 Travic CI构建状态: 目录 第0章-关于 机器学习引擎使用回归在给定任何数据集的情况下生成预测。 技术:预测算法熊猫数据框相似度度量matplotlib根均值平方误差度量多元模型scipy scikit-learn超参数优化交叉验证aws-lambda线性回归knn回归logistic回归单元测试连续积分二进制分类k均值聚类相关sklearn多分类 由于我们要通过使用选定的训练/测试验证基于选定的训练特征列表来预测给定数据集的选定目标特征(列)的特定最佳数值,因此使用回
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42168830
  1. GameRatingsPredictor:计算机科学考试项目的定量方法。 机器学习算法解决了视频游戏内容分级(无需玩)的多类分类问题-源码

  2. 游戏评分预测器 此项目最初是由Roberto Falconi和Federico Guidi为“计算机科学的定量方法”课程及其老师Luigi Freda(位于罗马大学萨皮恩扎)创建的。 幻灯片: : 有用的链接 投资组合: : 领英(LinkedIn): : GitHub: : SlideShare: : 该代码是开源的,并使用Python 3.x编写,但它也与Python 2.x向后兼容。 该程序使用的Kaggle数据集以及Python库“ Pandas”和“ Skle
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:513024
    • 提供者:weixin_42131439
  1. random-subgroups:机器学习的python软件包,用于学习预测任务的子组合奏-源码

  2. 随机子组python包 用子组进行预测 random-subgroups是与兼容的机器学习包。 像在随机森林中一样,它使用弱估计的集合进行分类和回归任务。 与随机森林算法的主要区别在于,它使用子组作为估计量。 该程序包的子组发现实现在程序包的顶部进行。 它使用了pysubgroup的许多功能,但还通过不同的质量度量(更适合预测)和不同的搜索策略对其进行了扩展。 安装: pip install random-subgroups 分类器的示例: from randomsubgroups im
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:27648
    • 提供者:weixin_42136837
  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. CryptocurrencyPrediction:通过深度学习预测Cryptocurrency价格-源码

  2. 深度学习用于加密货币价格预测 介绍 此回购协议使用最先进的深度学习算法来预测比特币的价格,这有可能推广到其他加密货币。 它利用模型,如CNN和RNN通过实施之上运行 。 您可以在此找到更详细的插图。 入门 要运行此仓库,请确保安装以下环境和库: Python 2.7 Tensorflow = 1.2.0 凯拉斯= 2.1.1 熊猫= 0.20.3 脾气暴躁= 1.13.3 h5py = 2.7.0 sklearn = 0.19.1 文件图 当前有三种不同的模型: LSTM.py
  3. 所属分类:其它

    • 发布日期:2021-01-30
    • 文件大小:2097152
    • 提供者:weixin_42127020
  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
  1. Kaggle比赛系列:(6)Sklearn应用:data-science-london-scikit-learn

  2. 1、先使用一个简单的模型,得到一个baseline,在此基础上改进:输入特征标准化、特征降维等; 2、这里出现了GMM算法,其实际作用是对输入特征进行了后验概率的预测,构建了新的输入特征(使同一类的特征距离更短,聚类作用) import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from subprocess import check_output import wa
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:429056
    • 提供者:weixin_38729685
« 12 3 »