[机器学习] scikit-learn-docs-0_18_2.pdf

说明： 基于python 的scikit-learn api版本是0.18.2 基于python 的scikit-learn api版本是0.18.2 基于python 的scikit-learn api版本是0.18.2 基于python 的scikit-learn api版本是0.18.2 基于python 的scikit-learn api版本是0.18.2
<weixin_38174240> 在 上传 | 大小：46137344

[深度学习] 面向机器智的TENSORFLOW实践.pdf

说明：
<weixin_38174240> 在 上传 | 大小：25165824

[机器学习] Data Science from Scratch.pdf

说明： 本书的作者就t是python的库pandas的开发和维护者，想必你以及直到这个数的分量和含量了。本书的作者就t是python的库pandas的开发和维护者，想必你以及直到这个数的分量和含量了。本书的作者就t是python的库pandas的开发和维护者，想必你以及直到这个数的分量和含量了。
<weixin_38174240> 在 上传 | 大小：5242880

[深度学习] Python.Machine.Learning.2015.9.pdf

说明： 基于python的深度学习资料 各种 算法的原理以及实现，并有相应scikit-learn的库使用方法。基于python的深度学习资料 各种 算法的原理以及实现，并有相应scikit-learn的库使用方法。基于python的深度学习资料 各种 算法的原理以及实现，并有相应scikit-learn的库使用方法
<weixin_38174240> 在 上传 | 大小：9437184

[机器学习] 李航 统计学习

说明：
<qq_36470741> 在 上传 | 大小：17825792

[机器学习] Computer Age Statistical Inference - Algorithms, Evidence and Data Science

说明： 大数据时代的统计学 This book takes us on an exhilarating journey through the revolution in data analysis following the introduction of electronic computation in the 1950s. Beginning with classical inferential theories – Bayesian, frequentist, Fisherian – ind
<kgfguo> 在 上传 | 大小：4194304

[搜索引擎] ansj源码下载

说明： 文本分析源码 中文分词(Chinese Word Segmentation) 指的是将一个汉字序列切分成一个一个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。我们知道，在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂的多、困难的多。
<z360901061100> 在 上传 | 大小：25165824

[深度学习] 基于图谱特征分析的农业虫害检测方法研究_刘子毅

说明： 该论文简单的概述了做图像识别的过程中遇到的问题，如数据集不够怎么迁移，以及对图像多目标检测提出了自己的看法，从整篇文档中可以理清从训练到识别都需要哪些步骤。
<qq_39606500> 在 上传 | 大小：11534336

[机器学习] 概率神经网络

说明： 简单的算法讲解， 以指数函数替代神经网络中常用的S形激活函数，进而构造出能够计算非线性判别边界的概率神经网络（PNN），该判定边界接近于贝叶斯最佳判定面。
<qq_21956783> 在 上传 | 大小：896000

[深度学习] Coursera深度学习课程笔记 deep learning

说明： Coursera深度学习课程笔记 deep learning。吴恩达，深度学习公开课，mooc Coursera深度学习课程笔记 deep learning。吴恩达，深度学习公开课，mooc
<ai_intelligence> 在 上传 | 大小：5242880

[机器学习] 机器学习实用案例

说明： 本文档主要是机器学习的实用案例，通过案例分析一些算法，可以更好的让学习者了解到机器学习的原理和算法的实际应用。
<sinat_28887019> 在 上传 | 大小：10485760

[机器学习] AdaBoost+LBP人脸检测算法细节和时间消耗分析

说明： 主要是该算法的相关细节与算法时间消耗的分析，看从算法上的加速思路；目前有效的加速思路是提前终止判断，SIMD没有太好的处理方式。
<artlife_sun> 在 上传 | 大小：271360