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. CSC_Machine_Learning_with_Python-源码

  2. CSC-使用Python进行机器学习 MỤCLỤC 第2章。有监督的学习-回归-线性回归 简单线性回归 多元线性回归 多项式回归 多元多项式 最小二乘法 均方误差（MSE） 平均绝对误差（MAE） 均方根误差（RMSE） R平方（ ，R ^ 2） 残差图，回归图，分布图 拦截，科夫 Đọc/ ghi文件到Google云端硬盘 培训数据与测试数据 pandas-profiling

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：43mb
    • 提供者：weixin_42137032

  1. stock-prediction-sklearn:利用强大的工具包scikit-learn进行监督式回归算法-源码

  2. 库存预测 Author - > Stefanos Ginargyros 依存关系 为了运行脚本，您将需要以下依赖项： pip install matplotlib pip install pandas pip install scikit-learn pip install numpy 问题描述 该特定问题的数据集是FACEBOOK（NASDAQ：FB）在2019年5月的股票价值，但您可以选择所需的任何股票或顺序实体。 任务是根据当月以前的股票价格，预测5月最后一天的[公开]股票价格。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：194kb
    • 提供者：weixin_42166105

  1. Restaurant-Revenue-Prediction:数据集是从https下载的-源码

  2. 餐厅收入预测 数据集是从下载的。 必要的数据预处理是在数据集上完成的。 所有5个回归模型均在数据集上实现。 模型是1>线性回归2>多线性回归3>多项式回归4>决策树回归和5>随机森林回归。 发现预测数据集与测试数据集的均方误差。 在随机森林分类器中，发现每个特征的重要性并将其可视化。 再次采用了最重要的指标来制作新模型。 比较两个模型的结果。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：15kb
    • 提供者：weixin_42165973

  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. ML-and-IOT-based-Temperature-monitoring-system-源码

  2. 基于机器学习和物联网的温度监控系统 这是在物联网螺栓实习期间完成的最终项目 概述 监控房间的温度，如果温度超过阈值限制（最大和最小），则向用户发送电子邮件警报。 通过进行多项式回归预测未来温度值。 通过进行z得分分析，在温度突然变化时向用户发送电子邮件警报。 该系统的应用。 1.通过设置温度阈值来监视房间的温度，当温度超过阈值温度时会向用户发送电子邮件警报。 电子邮件-“温度已超过阈值”示例：冷库，药房等 2，进行Z值分析，根据输入值设置阈值，当温度突然下降时也向用户发送电子邮件警报。 电

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：44mb
    • 提供者：weixin_42099906

  1. np-training-validation-源码

  2. np训练验证 使用NumPy实施向量化的线性和多项式回归模型，并使用单独的训练和测试集比较其性能1.使用NumPy load（）方法读取数据集。 数据包含两个数组：'features'（包含变量CRIM到LSTAT）和'target'（包含变量MEDV）。 2.保留前102项（占总数的20％）作为验证集，其余404项用于培训。 3.创建训练数据的散点图，显示房间数量与房屋中位数之间的关系。 关系看起来是线性的吗？ 4.将RM设为X，将MEDV设为t，使用np.linalg.inv（）计算训练集的

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：27kb
    • 提供者：weixin_42099814

  1. polynomial_regression-源码

  2. 多项式回归

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：88kb
    • 提供者：weixin_42153801

  1. machine-learning-coursera-python:该存储库包含由斯坦福大学在Coursera上执行的Andrew Ng的机器学习课程的某些编程作业的python实现-源码

  2. 机器学习课程python 该存储库包含由Stanford University创建的Andrew Ng在Coursera上的机器学习课程的某些编程作业的python实现。 编程练习1：线性回归在本练习中，您将实现线性回归并了解它如何在现实世界的数据集上工作。 编程练习2：逻辑回归在本练习中，您将实现逻辑回归并将其应用于两个不同的数据集。 编程练习3：多类分类和神经网络在本练习中，您将实现神经网络对所有逻辑回归和前馈传播的识别，以识别手写数字。 编程练习4：神经网络学习在本练习中，您将为

  3. 所属分类：其它

  1. polynomial-regression:预测多项式回归的值-源码

  2. 多项式回归 预测多项式回归的值

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：16kb
    • 提供者：weixin_42104366

  1. 灵敏度计算器：计算视频游戏的灵敏度-源码

  2. 灵敏度计算器 存储您最喜欢的游戏中的敏感度，并为下一场游戏计算新的敏感度。 特征 线性和多项式回归 标准偏差 屏幕截图 去做 使用现有游戏名称自动完成游戏文本字段（先设置，然后未知）的顺序 使用AR进行测量 集中式数据库？ 分享？ 使用json导出/导入数据库 更好的指南（使用工具提示） 文件

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：222kb
    • 提供者：weixin_42097819

  1. 多项式回归：使用p5.js和TensorFlow.js的简单多项式回归-源码

  2. 多项式回归：使用p5.js和TensorFlow.js的简单多项式回归

  3. 所属分类：其它

  1. 多项式回归：这实现了多项式回归-源码

  2. 多项式回归 该笔记本使用python和sklearn -library对随机创建的数据实施多项式回归。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：191kb
    • 提供者：weixin_42157188

  1. 风能预测时间序列分析：实施了不同的时间序列模型来预测风能的产生。 风力发电考虑的因素是空气密度，风速，温度。 实施的模型：线性回归，多项式回归，Holt Winters，ARIMA-源码

  2. 风能预测时间序列分析：实施了不同的时间序列模型来预测风能的产生。 风力发电考虑的因素是空气密度，风速，温度。 实施的模型：线性回归，多项式回归，Holt Winters，ARIMA

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：21mb
    • 提供者：weixin_42162978

  1. 比特币机器学习分析：使用区块链API和多项式回归的比特币机器学习分析纸实现-源码

  2. 比特币机器学习分析纸的实现 内容 关于项目 动机 算法 结果 使用的技术/框架 关于项目 我自己执行的论文，《使用机器学习分析比特币的特性如何影响比特币的价格》（英文） 使用BlockChain API并在多项式回归上实现。 动机 量化项目 算法 使用Blockcahin Wallet API从数据集中提取比特币的特征。 实施了多项式回归，以找出每种特征是否与比特币价格相关。 下表显示了使用的特性及其定义。 结果 下面显示了随着时间的流逝，每个特征如何变化的结果。 矿工的收入显示出最适合

  3. 所属分类：其它

  1. 机器学习课程-源码

  2. 机器学习课程（Python / R） 第1部分-数据预处理 第2部分-回归：简单线性回归，多重线性回归，多项式回归，SVR，决策树回归，随机森林回归 第3部分-分类：逻辑回归，K-NN，SVM，内核SVM，朴素贝叶斯，决策树分类，随机森林分类 第4部分-聚类：K-Means，分层聚类 第5部分-关联规则学习：Apriori，Eclat 第6部分-强化学习：置信区间上限，汤普森抽样 第7部分-自然语言处理：NLP的词袋模型和算法 第8部分-深度学习：人工神经网络，卷积神经网络 第9部分-降维：

  3. 所属分类：其它

  1. Machine_Learning_CS_7641-源码

  2. 机器学习CSE 6242 Georgia Tech Fall 2019 作业1：线性代数，统计量，最大似然估计 作业2：Kmeans，EM算法，高斯混合模型 作业3：主成分分析，多项式回归，套索回归 家庭作业4：决策树，随机森林，SVM，朴素贝叶斯，逻辑回归

  3. 所属分类：其它

  1. gammy：Python中的贝叶斯扭曲的广义加性模型-源码

  2. Gammy –使用贝叶斯扭曲的Python中的广义加性模型 广义加性模型是一种预测性数学模型，定义为用观察数据校准（拟合）的项之和。 该软件包为配置和拟合此类模型提供了希望的界面。 模型参数的贝叶斯解释得到了促进，并简化了特征集。 概括 广义的加性模型形成了令人惊讶的通用框架，用于为生产软件和科学研究构建模型。 该Python软件包提供了用于将模型项构建为各种基础函数的分解的工具。 可以将术语建模为各种内核的高斯过程（降维），分段线性函数以及B样条。 当然，还支持非常简单的术语，例如行和常量（这

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：827kb
    • 提供者：weixin_42102358

  1. 酒评-源码

  2. 预测葡萄酒的评级：项目概述 制作了一份报告，探讨了根据其理化特性预测葡萄酒等级的统计模型 优化的随机森林，朴素贝叶斯，支持向量机，多项式回归模型 使用的代码 R版本3.6.1 数据 通过ucidata包访问了数据集。 它包含6497个观测值和12个变量。 葡萄酒的quality将作为回应。 预测因素包括color （1599红色，4898白色）和葡萄酒理化特性的客观测量，例如fixed acidity ， citric acid ， pH和alcohol 。 fixed acidity vo

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：390kb
    • 提供者：weixin_42144554

  1. Machine_Learning：Python中的我的机器学习代码-源码

  2. *笔记： 问）我们必须针对哪些模型使用特征缩放？ A）到目前为止，我们不必将其用于“简单/多重/多项式回归”。 我们也不要将其用于“决策树/随机森林回归”，因为它没有任何意义，因为这些模型仅基于一次又一次地拆分数据，而不是基于特定的数学方程式。 我们也不必“对Logistic回归分类进行必要的使用”，但是使用它可以提高模型的性能（所以我在代码16中使用了它）。 “ KNN分类”和“ SVM（SVC）分类”以及“内核SVM（SVC）分类”和“决策树/随机森林分类”也相同。 但是，我们必须将其

  3. 所属分类：其它

  1. Python_Seminars_University_of_surrey：我编写了一些Python数据科学笔记本，并提交给我大学的MathSoc协会-源码

  2. Python_研讨会_University_of_surrey 我编写了一些Python数据科学笔记本，并赠送给我大学的MathSoc协会。 第1学期-我们介绍了Python的基础知识，安装了软件包并创建了一些基本图解 第二学期-我们通过线性回归方法来找到诸如梯度下降，正态方程和scikit-learn包之类的参数。 我们还将研究使用scikit-learn进行的多元回归和多项式回归。 第3学期-我们重点介绍K均值分类方法。 然后，我们整理一些客户交易数据，并对其应用K-means算法进行

  3. 所属分类：其它

« 12 3 4 »