[机器学习] 人脸验证算法Joint Bayesian详解及实现

说明： 人脸验证算法Joint Bayesian详解及实现 python，对于理解该算法有比较大的帮助。
<chenonly> 在 上传 | 大小：1048576

[机器学习] 香港科技大学TensorFlow三天速成课件

说明： 这是一套香港科技大学发布的极简 TensorFlow 入门教程，三天全套幻灯片教程已被分享到 Google Drive。
<siciliameilang> 在 上传 | 大小：57671680

[机器学习] 线性回归logistic回归和一般回归

说明： 线性回归、logistic回归和一般回归线性回归、logistic回归和一般回归线性回归、logistic回归和一般回归线性回归、logistic回归和一般回归
<u012582316> 在 上传 | 大小：701440

[机器学习] 吴恩达深度学习课程第一课 第二周神经网络基础 编程作业（中、英文版本）（底部附带datasets和lr_utils 资源文件）

说明： 吴恩达老师 深度学习课程 第一课 神经网络和深度学习 第二周神经网络基础 编程作业 （有道翻译，有歧义的地方请参考原文） 注：底部附带datasets和lr_utils 资源文件
<tzy_1987> 在 上传 | 大小：1048576

[机器学习] ML之Factorization家族

说明： 因子分解机（Factorization Machine，简称FM），又称分解机器。是由Konstanz大学（德国康斯坦茨大学）Steffen Rendle（现任职于Google）于2010年最早提出的，旨在解决大规模稀疏数据下的特征组合问题。出处（www.52caml.com @周永_52ML）
<yemao523> 在 上传 | 大小：2097152

[机器学习] 安徽电信Q5遥控码

说明： 视讯Q5的遥控码！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
<qq_36350109> 在 上传 | 大小：2048

[机器学习] 正则表达式学习

说明： 正则表达式; 入门; python # -*- coding: utf-8 -*- """ Created on Wed Nov 08 11:23:32 2017 @author: Administrator """ import os import re os.chdir(r"d:\nlp_course") f = open("employee.txt") f_txt = f.read().decode(&quo t;gbk") rule = r".*([0-9]{17}[0-9]|x|X)
<ibm555> 在 上传 | 大小：564

[机器学习] 计算文本相似度

说明： 基于关键词Jarccard距离的文本相似度计算 "TF/IDF算法：主要思想是，如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很高的关键度。\n", "\n", "TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与 用户查询之间相关程度的度量或评级。" .
<ibm555> 在 上传 | 大小：3072

[机器学习] 社交网络用语识别

说明： "社交网络上一些网络用语，如下，会出现识别错误。如:D是笑脸的意思，不应该分开。" "社交网络上一些网络用语，如下，会出现识别错误。如:D是笑脸的意思，不应该分开。" "社交网络上一些网络用语，如下，会出现识别错误。如:D是笑脸的意思，不应该分开。"
<ibm555> 在 上传 | 大小：1024

[机器学习] python简单的推荐系统

说明： 用jaccard相似度做简单的推荐系统。适合python中文自然语言处理的学习入门者。本程序很简单的jaccard相似度，判断书籍的相似度用jaccard相似度做简单的推荐系统。适合python中文自然语言处理的学习入门者。本程序很简单的jaccard相似度，判断书籍的相似度。
<ibm555> 在 上传 | 大小：829

[机器学习] SVM算法在计算机视觉中的应用

说明： 该文件主要包含了利用Matlab实现的SVM算法和数据集，其主要作用于机器视觉的分类。
<qq_20668853> 在 上传 | 大小：3072

[机器学习] 局部约束图优化用于维数约简

说明： Recently, graph-based dimensionality reduction methods have attracted much attention due to their widely applications in many practical tasks such as image classification and data clustering.
<yemao523> 在 上传 | 大小：4194304