注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. logistic回归模型__方法与应用

  2. 此部分是王济川的<>那本书中的第一章,1-11页.

  3. 所属分类：专业指导

    • 发布日期：2009-07-30
    • 文件大小：242kb
    • 提供者：meipingwang

  1. 软件测试简介-软件测试工程师培训

  2. 软件测试基本概念 软件测试技术 软件测试方法 软件测试流程 软件测试过程 微软软件测试简介

  3. 所属分类：其它

    • 发布日期：2010-05-01
    • 文件大小：8mb
    • 提供者：myfirstaccount

  1. 传感器非线性回归分析

  2. 一个简单的传感器非线性回归分析简介，线性插值法

  3. 所属分类：硬件开发

    • 发布日期：2011-11-24
    • 文件大小：45kb
    • 提供者：cqyzlancer2

  1. 回归分析简介和matlab程序

  2. 回归分析简单介绍PPT及相关实例和回归分析的部分matlab程序

  3. 所属分类：金融

  1. 逻辑回归简介及其正则化

  2. 逻辑回归是一种重要的数据分析方法，已经被广泛应用于各个领域。作为广义线性模型的一个特例，逻辑回归由严格的理论推导出，具有良好的统计性质和明确的解释意义，因而在实际应用中，特别是分类问题应用中受到良好的效果。 然而，传统的逻辑回归模型存在一些明显的不足，它容易出现过拟合问题。逻辑回归对于训练样本的拟合常能获得良好的精度，但对于训练数据集以外的测试数据，其分类效果不够理想。事实上，不仅是逻辑回归，其他许多数据分析模型也会受过拟合的影响，解决过拟合问题已经成为统计、机器学习领域的热点研究之一。 解决

  3. 所属分类：专业指导

    • 发布日期：2016-01-20
    • 文件大小：856kb
    • 提供者：a1015553840

  1. WEKA使用教程 简介 数据格式 数据准备 分类与回归 聚类分析

  2. WEKA使用教程 简介 数据格式 数据准备 分类与回归 聚类分析

  3. 所属分类：专业指导

    • 发布日期：2009-04-01
    • 文件大小：252kb
    • 提供者：licongcong_0224

  1. 求解逻辑回归—-梯度下降

  2. 文章目录案例简介数据可视化建立分类器sigmoid函数：映射到概率的函数model 函数: 返回预测结果值cost : 根据参数计算损失gradient : 计算每个参数的梯度方向descent : 进行参数更新精度 案例简介 参考资料 逻辑回归函数 Python数据分析与机器学习-逻辑回归案例分析 案例内容 现在有一份学生两次考试的结果的数据 根据数据建立一个逻辑回归模型来预测一个学生的入学概率。 数据内容：两个考试的申请人的分数和录取决定。 # 导入相应的包 import numpy as

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：268kb
    • 提供者：weixin_38596485

  1. 机器学习 回归篇（1）——多元线性回归

  2. 机器学习 回归篇（1）——多元线性回归摘要线性回归简介python实现运行结果及可视化 摘要 本文介绍了最基础的回归问题——多元线性回归，并通过python进行实现及可视化展示运行结果。 线性回归简介 线性回归问题的重点在于如何求解回归函数的截距和系数。 1、构建代价函数（也叫损失函数）：平均平方误差。 2、通过最小二乘法或其他优化算法进行求解，因为线性回归的代价函数为凸函数，所以一般的经典优化算法用于求解都是适用的，如梯度下降法、单纯形法等等。 python实现 CyrusLinearRegr

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：62kb
    • 提供者：weixin_38691703

  1. PyTorch搭建多项式回归模型（三）

  2. PyTorch基础入门三：PyTorch搭建多项式回归模型  1）理论简介 对于一般的线性回归模型，由于该函数拟合出来的是一条直线，所以精度欠佳，我们可以考虑多项式回归来拟合更多的模型。所谓多项式回归，其本质也是线性回归。也就是说，我们采取的方法是，提高每个属性的次数来增加维度数。比如，请看下面这样的例子： 如果我们想要拟合方程： 对于输入变量和输出值，我们只需要增加其平方项、三次方项系数即可。所以，我们可以设置如下参数方程： 可以看到，上述方程与线性回归方程并没有本质区别。所以我们可以采用

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：78kb
    • 提供者：weixin_38693753

  1. python sklearn库实现简单逻辑回归的实例代码

  2. Sklearn简介 Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时，便可根据下图来选择相应的方法。 Sklearn具有以下特点： 简单高效的数据挖掘和数据分析工具 让每个人能够在复杂环境中重复使用 建立NumPy、Scipy、MatPlotL

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：50kb
    • 提供者：weixin_38555350

  1. 回归分析预测技术简介

  2. 回归分析的基本概念是用一群变量预测另一个变量的方法。通俗点来讲，就是根据几件事情的相关程度来预测另一件事情发生的概率。回归分析的目的是找到一个联系输入变量和输出变量的最优模型。 回归方法有许多种，可通过 3 种方法进行分类：自变量的个数、因变量的类型和回归线的形状。 1）依据相关关系中自变量的个数不同进行分类，回归方法可分为一元回归分析法和多元回归分析法。在一元回归分析法中，自变量只有一个，而在多元回归分析法中，自变量有两个以上。 2）按照因变量的类型，回归方法可分为线性回归分析法和非线性回归分

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：232kb
    • 提供者：weixin_38591615

  1. Spark MLlib简介

  2. MLlib 是 Spark 的机器学习库，旨在简化机器学习的工程实践工作，并方便扩展到更大规模。 MLlib 由一些通用的学习算法和工具组成，包括分类、回归、聚类、协同过滤、降维等，同时还包括底层的优化原语和高层的管道 API。 本节将对 Spark MLlib 进行简单介绍，在介绍数据挖掘算法时，将使用 Spark MLlib 提供的算法进行实例讲解。 Spark MLlib的构成 Spark 是基于内存计算的，天然适应于数据挖掘的迭代式计算，但是对于普通开发者来说，实现分布式的数据挖掘算法

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：55kb
    • 提供者：weixin_38739942

  1. 《现代推荐算法》矩阵分解系列简介

  2. 文章来源《现代推荐算法》矩阵分解系列简介 . 该章主要介绍矩阵分解系列算法，该系列算法是推荐系统中最重要的算法之一，矩阵分解原理清晰，且复杂度不那么高。 对于矩阵分解系列算法在推荐算法中而言，其容易编程实现，实现复杂度低，预测效果也好，同时还能保持扩展性。这些都是它宝贵的优点。当然，矩阵分解方法有时候解释性还是没有基于概率的逻辑回归之类的推荐算法好，不过这也不影响它的流行程度。对于较为小型的推荐系统来说用矩阵分解应该是一个

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：63kb
    • 提供者：weixin_38697659

  1. 在软件测试中了解JUnit和单元测试入门简介

  2. JUNIT软件测试在软件测试中了解JUnit和单元测试入门简介1、几个相关的概念白盒测试——把测试对象看作一个打开的盒子，程序内部的逻辑结构和其他信息对测试人员是公开的。回归测试——软件或环境的修复或更正后的“再测试”，自动测试工具对这类测试在软件测试中了解JUnit和单元测试入门简介1、几个相关的概念白盒测试——把测试对象看作一个打开的盒子，程序内部的逻辑结构和其他信息对测试人员是公开的。回归测试——软件或环境的修复或更正后的“再测试”，自动测试工具对这类测试尤其有用。单元测试——是最小粒度的

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：101kb
    • 提供者：weixin_38741075

  1. sharingan:Sharingan（写轮眼）是一个基于golang的流量录制的跟踪工具，适合项目重构，回归测试等-源码

  2. Sharingan Sharingan，中文名称：写轮眼，是漫画《火影忍者》中的一种瞳术，具有复制，幻术等能力，在幻术世界里，一切因素包括时间，地点，质量等，都由施术者掌控。 一，简介 Sharingan是一个基于golang的流量录制的录制工具，录制的在线真实请求流量进行重新测试，适合项目分解，回归测试等。 1.1，背景 随着微服务架构的兴起，服务之间的依赖关系变的越来越复杂，软件测试也面临新的挑战：系统升级重复，服务依赖众多等等。 常见的测试方案。（如：单元测试，系统测试等）构造和维护测

  3. 所属分类：其它

  1. 1SA-Final-Project:数据科学最终项目简介-源码

  2. 1SA最终项目 数据科学最终项目简介 作为数据科学概论课程的一部分，我们被分配了作业，以反映我们整个学期所学的知识。 Jupyter笔记本： 概率和随机变量：1SA最终项目pt.1 Python和Pandas：1SA最终项目pt.2 分类：1SA ML酒店预订 回归：1SA ML Udemy课程

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：775kb
    • 提供者：weixin_42174098

  1. STAT-724：数据科学和机器学习简介-源码

  2. STAT-724 数据科学与机器学习简介 描述： 该课程从统计学的角度概述了数据科学及其核心机器学习模型和算法。 它提供了有关这些方法如何工作以及如何将统计模型应用于分析大型数据集的详细知识。 重点是分类和回归（所谓的监督学习）以及聚类和异常检测（无监督学习）的重要任务。 数据分析友好的方法要求使用良好的统计软件。 Python是目前最流行的Data Science开源脚本语言，将用于分析和建模。 语法和环境将进行足够详细的讨论。 也将提供Python（和R）代码。 必修课本： [ISL

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：56mb
    • 提供者：weixin_42121725

  1. msds621：旧金山大学的MSDS621课程笔记，机器学习简介-源码

  2. MSDS621机器学习简介 “我们相信上帝； 其他所有带来数据。 ” —归因于W. Edwards Deming和George Box 本课程向学生介绍表格/结构化数据的机器学习的关键过程，模型和概念，例如： 数据清理 处理丢失的数据 基本特征工程 功能选择 模型实施 模型训练 模型评估 模式解释 我们将深入研究一些关键模型，而不是提供广泛而肤浅的模型概览。 作为本课程的一部分，学生将通过梯度下降，用于文本情感分析的朴素贝叶斯模型，决策树和随机森林模型，通过正则化实现线性和逻辑回归。 自己

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：63mb
    • 提供者：weixin_42102401

  1. RegAssembler：RegAssembler是采用强大的回归和重新采样技术的基因组组装程序-源码

  2. 曹圣浩＆李雷敏版权所有:copyright:2021。 中国科学院数学与系统科学研究院，北京100190 RegAssembler 1.简介 RegAssembler是采用稳健的回归和重新采样技术的基因组组装器。 当前版本是专为使用Illumina测序读数高信度重建SARS-CoV-2基因组而设计的。 2.安装 您可以通过以下命令下载软件包： git clone https://github.com/csh3/RegAssembler.git 然后在RegAssembler目录中运行管道。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：23kb
    • 提供者：weixin_42127783

  1. ml-talk-adpushup：这是AdPushup上有关机器学习101：多元线性回归的介绍的一部分-源码

  2. ml-talk-adpushup 这是在举行的有关机器学习101：多元线性回归简介的演讲的。 它说明了实现线性回归的两种方法。 一种通过纯数学，另一种通过流行的Scikit-learn python库。 要求 参考书目 安装 只需克隆此仓库即可： python main.py 或者，您也可以签出Jupyter笔记本。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：582kb
    • 提供者：weixin_42168341
« 12 3 4 5 6 7 8 9 10 »