您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 集体智慧编程源码

  2. 《集体智慧编程》,专门讲述如何挖掘和分析Web上的数据和资源,对各种智能算法进行了通俗易懂的讲解,并提供了各种应用API和python算法实现、以方便我们收集、分析各种用户的数据和反馈信息,创造新的用户价值和商业价值。全书内容包括协作过滤技术、集群数据分析、搜索引擎核心技术、随机优化和文档过滤技术、贝叶斯过滤技术、决策树技术、特征提取、SVM和遗传编程等。
  3. 所属分类:Python

    • 发布日期:2011-09-22
    • 文件大小:226kb
    • 提供者:traveler817
  1. MATLAB神经网络43个案例分析.pdf+源码

  2. 《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的,秉承着“理论讲解—案例分析—应用扩展”这一特色,帮助读者更加直观、生动地学习神经网络。 《MATLAB神经网络43个案例分析》共有43章,内容涵盖常见的神经网络(BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等)以及相关智能算法(SVM、决策树、随机森林、极限学习机等)。同时,部分章节也涉及了常见的优化算法(遗传算法、蚁群算法等)与神经网络的
  3. 所属分类:机器学习

    • 发布日期:2019-05-25
    • 文件大小:61mb
    • 提供者:cstengxun
  1. Decision-Tree-Classifier--源码

  2. 决策树分类器虹膜数据集 此应用程序根据其萼片和花瓣的尺寸来预测鸢尾花的类型。 您可以使用streamlit库来构建它的web应用程序。 脚步: 在您的终端上安装streamlit库,通过-pip安装streamlit 编写ML代码并将其保存在.py扩展名中,以便可以在终端上运行它。 在您的终端中,转到文件保存的路径,然后执行写简化的运行filename.py。 贡献者 阿米亚·贾朱瓦尔(Ameya Jajulwar)
  3. 所属分类:其它

  1. SMART_IRRIGATION-源码

  2. SMART_IRRIGATION 使用IOT和机器学习等技术实施的最后一年学术项目‌-项目思想基本上是实现电子农业应用-used我们使用了weMos D1 mini,Arduino,一些传感器来测量农场中的实时温度,湿度we我们使用了REST API用于获取未来几天的天气预报报告-我们在服务器implemented上实现了“决策树”算法(这是一种机器学习算法)-在实施决策树算法时,我们考虑了工厂类型,当前气候报告和未来气候进行预测,以便农场中的水得到有效利用‌-我们还实现了一个Android应用
  3. 所属分类:其它

  1. decision-trees:应用决策树对患者的心脏病风险和无风险类别进行分类-源码

  2. 决策树 应用决策树对患者的心脏病风险和无风险类别进行分类
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:228kb
    • 提供者:weixin_42180863
  1. Rubi-5:基于规则的If-Then-Else决策树符号积分器-源码

  2. 鲁比5 基于if-then-else决策树的基于规则的集成器 阿尔伯特·D·里奇(Albert D.Rich),应用逻辑学家 2021年3月17日 自Rubi 4.16.1发布以来已经过去两年了。尽管远非完美,但它基于相当强大,稳定的规则系统。 上的集成规则和相关的测试套件是最新的,公开可用的版本。 我正在完全重新设计Rubi 4模式匹配规则中隐含的决策树,该规则用于集成有理和代数函数(它们占系统当前7800规则的一半左右)。重新设计将 极大地增加了Rubi可以集成的表达式类别, 单步执行时提
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:11kb
    • 提供者:weixin_42120283
  1. Task-6-Decision-Tree-Classifier:使用R语言在IRIS数据集上应用决策树。 将rpart,rpart.plots和party包用于Decsion Tree-源码

  2. 任务6-决策树分类器 使用R语言在IRIS数据集上应用决策树。 使用Decant Tree的rpart,rpart.plots和party包。
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:270kb
    • 提供者:weixin_42117485
  1. DS_Projects:数据科学项目集合-源码

  2. 应用数据科学Capstone产品组合 你好! 此回购包含了一系列材料(脚本,报告,图形等),这些材料展示了我最近的工作的一部分。 下面的每个部分都提供了有关回购中的工件的一些详细信息。 以下是过去几年中我一直在使用的工具和技术的示例。 这是一个非常粗略的草稿,并将在接下来的几个月中进行更新。 使用的工具 工具 使用权 土坯 竞技场模拟 电子表格 插画家 迷你标签 橘子 Power BI Python [R 火花 SQL 斯塔塔 画面 威卡 使用的技巧 技巧 人工神经网络/深度学习 方差分
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:21mb
    • 提供者:weixin_42137539
  1. Baseball_Classification-源码

  2. 棒球分类 数据集由18个要素和1340条记录组成。 数据集的形状为1340 * 18。 目标列是Hall_of_Fame,它包含三个类0,1和2。我们有一个不平衡的数据集,其中大多数记录都属于0类。 采取的方法: 通过分组“位置”(Position)列并使用“均值”(Mean)填充缺失值来填充缺失值。 使用一键编码将分类值转换为数值。 我将数据分层,因为我们有一个不平衡的数据集,其中大多数类为0。 数据已分为培训(75%)和测试(25%)数据,后来使用MinMax缩放器对数据进行了标准
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:208kb
    • 提供者:weixin_42160376
  1. Classify-Song-Genres-from-Audio-Data-源码

  2. 从音频数据分类歌曲流派 项目描述 使用由两种音乐流派(嘻哈和摇滚)的歌曲组成的数据集,您将训练一个分类器以仅基于从Echonest(现在是Spotify的一部分)获得的曲目信息来区分这两种流派。 首先,您将使用Python中的熊猫和seaborn软件包对数据进行子集,汇总信息并创建图表,以便在进行数据学习时发现在进行机器学习时应注意的明显趋势或因素。 接下来,您将使用scikit-learn包来预测您是否可以根据诸如舞蹈性,能量,声学,节奏等特征正确地对歌曲的类型进行分类。您将介绍PCA,逻辑回
  3. 所属分类:其它

  1. machine_learning_projects::robot:机器学习项目-源码

  2. 机器学习项目 该存储库包含我在第一周完成的数据科学项目。 这些项目涵盖数据分析和可视化,功能工程,不同机器学习模型(随机森林,线性回归,决策树,朴素贝叶斯,ARIMA)的应用,超参数优化和正则化,自然语言处理和时间序列分析。 Gapminder-可视数据分析 数据: 目标:创建动画散点图 描述性统计,使用Matplotlib和Seaborn进行绘图 泰坦尼克号-分类项目 数据: 目标:应用机器学习模型预测泰坦尼克号上的乘客生存 探索泰坦尼克号数据集并建立基线模型 训练逻辑回归和随机森林分类
  3. 所属分类:其它

  1. COVID-19RiskProject:机器学习在创建COVID-19死亡率风险计算器中的应用-源码

  2. 使用机器学习的COVID-19死亡率风险 该项目的目的是将机器学习应用于评估COVID-19死亡风险因素,并创建一个死亡风险预测计算器。 我们还进行了深入的数据考察,以观察COVID-19危险因素的任何趋势。 资料来源: : 项目包括: 用于数据分析的Python Python Flask支持的API AWS云数据库 HTML / CSS包括用于前端Web开发的模板扩展 机器学习-聚类(KMeans,决策树),分类(逻辑回归),多项式回归 分类报告和混淆矩阵以评估模型拟合度; 功能关
  3. 所属分类:其它

  1. driveclassification:通过决策树推动校准,-源码

  2. 无传感器驱动器诊断数据集: 58509个新闻项目 48个属性,包括0-47列。 该属性是连续类型,从[-15.796,4015.4]开始。 第48列是一列标签,为1-11的连续值。 使用保持评估协议,将决策树算法应用于整个数据集: 随机取4/5数据集进行学习: 火车的元素数:46807,标签值[1.11] 剩余数据集的1/5用于测试: 测试集元素的数量:11702,标签值[1.11] 准确度= 98.64%> 75.47%=准确度(贝叶斯)
  3. 所属分类:其它

  1. ML-Lab:这是一个机器学习实验室,旨在通过练习,小项目和教程探索一些概念-源码

  2. ML实验室 这是一个机器学习实验室,旨在通过练习,小型项目和教程来探索一些概念:) 话题 描述 关联 决策树 构建基于数据中属性的实际值制定的决策模型 贝叶斯 将贝叶斯定理应用于分类和回归等问题 聚类 描述问题的类别和方法的类别 人工神经网络 它们受到生物神经网络的结构和/或功能的启发 降维 寻求并利用数据中的固有结构,以使用较少的信息来汇总或描述数据。 深度学习 人工神经网络的现代更新,可利用大量廉价计算 基于实例 有关模型重要或必需的训练数据实例或示例的决策问题 其他参考
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:596kb
    • 提供者:weixin_42117032
  1. Application_Projects:我将附加到工作申请中的项目的资源库-源码

  2. 应用项目 这是我在参加UC Berkeley时完成的几个R和Python项目的存储库: 当前,此存储库包含3个适用于我的应用程序的项目 在全球变化生态学的数据科学期间开始 R中的一个项目是在现代统计方法和机器学习期间启动的,该项目使用多个数据集通过决策树,随机森林和聚类技术进行预测 开始于数据科学原理与技术
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:954kb
    • 提供者:weixin_42129113
  1. applied_metrics:应用计量经济学和面板数据博士学位课程-源码

  2. 应用指标 这是纽约大学斯特恩分校应用计量经济学的博士学位课程。 该课程比我的微尺度课程( )应用得多 除了传统的计量经济学方法之外,本课程还吸引了有关机器学习的最新文献的联系。 以下教科书可能对其他信息有用: 其他讲座是从各种渠道借来的/被盗的 这些是更高级的治疗方法: 该课程的概要如下: 介绍性时间序列 极值估计I:MLE和M估计器 极值估计II:GMM估计器 增量法和自举 非参数简介:kNN,内核等。 模型选择和验证/ ML简介:Lasso,Ridge,PCA。 计划评价I:潜在
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:75mb
    • 提供者:weixin_42165973
  1. breast-cancer-diagnostics-源码

  2. 使用机器学习进行乳腺癌诊断 该项目的目的是采用UCI机器学习存储库中的乳腺癌威斯康星州(诊断)数据集,并应用Logistic回归,朴素贝叶斯,支持向量机,决策树和多层感知器等机器学习模型来提取特征可能最适合预测癌症性质的数据集。 目的是对乳腺癌是良性还是恶性进行分类。 确定基于模型预测的模型的准确性,以相互分析和比较生成的模型,并从模型中选择最佳模型。 多层感知器是测试过的模型中最准确的模型,准确度为97.2%。
  3. 所属分类:其它

  1. 决策树应用-源码

  2. 决策树应用
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:14kb
    • 提供者:weixin_42122432
  1. Shiny_APP_RStiduo_Statistic_Probability_Machine_Learning:使用R的Shiny软件包为数据科学和机器学习操作创建基于交互式GUI的应用程序-源码

  2. Shiny_APP_RStiduo_Statistic_Probability_Machine_Learning 使用R的Shiny软件包为数据科学和机器学习操作创建基于交互式GUI的应用程序。 安装R Project进行统计计算 点击 安装RStudio 点击 Shiny v1.5.0文档 点击 目录结构 C:\ Users \ Desktop \ Shiny_APP> ls server.R ui.R .RData .RHistory数据集 实施技术 短裤 使用GUI导入数据 描
  3. 所属分类:其它

  1. django-scikit-learn-tutorial:具有Scikit-Learn模型的简单Django Web应用程序-源码

  2. 带有Scikit的Django学习教程 本教程创建了一个Django Web应用程序,该应用程序使用iris数据集测试一个简单的分类模型。 本教程是在Mac OS上执行的,因此某些命令对于PC可能会有所不同。 部署的应用程序: : 在本地运行 pip3 install -r requirements.txt python3 manage.py runserver 在本教程中,您将把Iris数据集上的决策树分类器与Django Web应用程序集成!
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:466kb
    • 提供者:weixin_42113380
« 12 3 4 »