[机器学习] 逻辑回归训练测试的完整代码和数据集

说明： 内含完整的逻辑回归数据集，已经逻辑回归训练，训练完成后的模型测试部分（包括代码和完成数据集），用python3编码，可直接运行。训练完成后可直接显示点的颜色和分布，以及训练得到的直线。
<u014571489> 上传 | 大小：8mb

[机器学习] DataCastle轴承故障预测数据集

说明： DataCastle轴承故障预测数据集，可供下载使用的有2个文件： 1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本编号，最后一列label字段为标签数据，即轴承的工作状态，用数字0到9表示。 2.test_data.csv，测试集数据，共528条数据，除无label字段外，其他字段同训练集。 总的来说，每行数据除去id和label后是轴承一段时间的振动信号数据，选手需要用这些振动信号去判定轴承的工作状
<qq_43558917> 上传 | 大小：21mb

[机器学习] 模式识别之特征选择

说明： 本书系统深入地论述用于模式识别的特征选择的理论与方法。在内容上注重系统、全面地论述特征选择理论和方法，并力求反映国内、外特征选择领域的最新发展趋势。 全书重点论述各种有监督和无监督特征选择理论及方法。全面涵盖特征选择原理、特征选择方法分类、各类特征选择方法特点及特征选择算法性能评价方法等知识。论述各种特征评价方法。论述各种滤波式、封装式特征选择方法的原理、工作流程及算法步骤。论述特征选择集成方法、特征选择方法与样本选择及分类器集成的融合方法。还包括用于无监督模式识别的基于图谱理论的特征选择方法
<weixin_43558953> 上传 | 大小：33mb

[机器学习] sklearn0.19中文文档

说明： sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络
<hardpen2013> 上传 | 大小：14mb

[机器学习] 贝叶斯方法 概率编程与贝叶斯推断

说明： 本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推
<qiu034> 上传 | 大小：25mb

[机器学习] GoogleNet 测试

说明： Caffe训练好的模型的使用，不能够达到实时的效果，时间大致在2.5秒左右，可以参考：https://blog.csdn.net/RookieSa/article/details/83540370
<rookiesa> 上传 | 大小：47mb

[机器学习] 机器人控制

说明： 机器人学习的好书，机器控制与算法。
<tangguangbo123> 上传 | 大小：5mb

[机器学习] webQuestions数据集

说明： webQuestions数据集，基于知识图谱的问答系统标准数据集。
<weixin_38358881> 上传 | 大小：163kb

[机器学习] Unifying Theories of Programming and Formal Engineering Methods

说明： 是一本有关形式化建模和模型验证方面的学术论文集，包含5篇相关学术论文
<jtzwy> 上传 | 大小：3mb

[机器学习] CS229 Supplemental Lecture notes John Duchi

说明： 1 Boosting We have seen so far how to solve classification (and other) problems when we have a data representation already chosen. We now talk about a procedure, known as boosting, which was originally discovered by Rob Schapire, and further develop
<fa12345678fa1> 上传 | 大小：574kb

[机器学习] Introduction to MATLAB

说明： Introduction to MATLAB 10/14/2016 CS 229 MACHINE LEARNING SESSION
<fa12345678fa1> 上传 | 大小：1mb

[机器学习] CS229 Lecture notes

说明： Generative Learning algorithms So far, we’ve mainly been talking about learning algorithms that model p(y|x; θ), the conditional distribution of y given x. For instance, logistic regression modeled p(y|x; θ) as h(x) = g(θT x) where g is the sigmoid
<fa12345678fa1> 上传 | 大小：2mb