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. 机器学习经典[McGrawHill,.Tom]

  2. 机器学习经典[McGrawHill,.Tom]，数据挖掘通用算法

  3. 所属分类：其它

    • 发布日期：2010-09-24
    • 文件大小：7340032
    • 提供者：rocliu1220

  1. 聚类分析、机器学习及数据挖掘中常用数据集

  2. 在聚类分析、机器学习、数据挖掘中常用到的数据集，包括：UCI的数据集wine,yeast,iris等，还有USPS数据集，4k2_far,leuk72_3k数据集等。

  3. 所属分类：专业指导

    • 发布日期：2014-09-02
    • 文件大小：6291456
    • 提供者：cb_style

  1. 机器学习——iris数据

  2. Python——sklearn模块iris数据，可使用与机器学习、数据挖掘算法练习

  3. 所属分类：Python

    • 发布日期：2017-01-25
    • 文件大小：5120
    • 提供者：qq_35318838

  1. 斯坦福大学 机器学习教程 个人笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。

  3. 所属分类：机器学习

    • 发布日期：2017-08-09
    • 文件大小：7340032
    • 提供者：houzhiguo

  1. 斯坦福大学机器学习课程讲义

  2. 机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年，机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍，您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能（AI）取得进展的最有效途径。在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。最后，您将了

  3. 所属分类：机器学习

    • 发布日期：2017-11-07
    • 文件大小：5242880
    • 提供者：fantastikman

  1. 斯坦福大学 机器学习教程 笔记

  2. 斯坦福大学 机器学习教程 笔记、本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习 (聚类,降维,推荐系统,深入学习推荐)。(三)在机器学习的最佳实践(偏差/方差理 论;在机器学习和人工智能创新过程)。本课程还将使用大量的案例研究,您还将学习如何 运用学习算法构建智能机器人(感知,控制),文本的理解(Web 搜索,反垃圾邮件),计 算机视觉,医疗信息,音频,数据挖掘,和其他领域。 本书

  3. 所属分类：机器学习

    • 发布日期：2017-11-19
    • 文件大小：7340032
    • 提供者：discoverhfub

  1. 机器学习个人笔记完整版v4.21

  2. 斯坦福大学 2014 机器学习教程中文笔记：本课程ᨀ供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他

  3. 所属分类：机器学习

    • 发布日期：2017-12-20
    • 文件大小：10485760
    • 提供者：weixin_37562521

  1. 机器学习个人笔记完整版

  2. 斯坦福大学 2014 机器学习教程中文笔记。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程

  3. 所属分类：机器学习

    • 发布日期：2018-04-18
    • 文件大小：9437184
    • 提供者：yexihu

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。 本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控 制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘， 和其他领域。 本课程需要 10 周共 18 节课

  3. 所属分类：机器学习

    • 发布日期：2018-07-28
    • 文件大小：6291456
    • 提供者：xiaoxc_java

  1. 机器学习个人笔记完整版--博士学霸的学习笔记

  2. 一个博士生的机器学习、数据挖掘的笔记，强烈推荐，跟着学霸一起学就是高效！

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-27
    • 文件大小：11534336
    • 提供者：cyh_rosefer

  1. 斯坦福机器学习课程的笔记

  2. 斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。本课程需要10 周共

  3. 所属分类：深度学习

    • 发布日期：2018-07-14
    • 文件大小：214958080
    • 提供者：weixin_40704532

  1. 斯坦福机器学习课程的讲义

  2. 斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。本课程需要10 周共

  3. 所属分类：机器学习

    • 发布日期：2018-07-14
    • 文件大小：36700160
    • 提供者：weixin_40704532

  1. 斯坦福大学 2014机器学习教程中文笔记

  2. 斯坦福大学 2014机器学习教程中文笔记 Machine Learning(机器学习 机器学习 )是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学

  3. 所属分类：机器学习

    • 发布日期：2018-11-12
    • 文件大小：11534336
    • 提供者：u014793454

  1. 机器学习个人笔记完整版（附数学公式）v5.28

  2. Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习

  3. 所属分类：机器学习

    • 发布日期：2018-11-12
    • 文件大小：7340032
    • 提供者：u014793454

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2018-11-13
    • 文件大小：10485760
    • 提供者：qq_33042407

  1. 大数据环境下机器学习在数据挖掘中的应用研究_张绍成.pdf

  2. 大数据呈现出 4V 特点，即价值密度低、数据容量大、数据种类多以及数据处理速度较快等． 经典的数据挖掘算法是机器学习算法在数据集合上的优化． 从提取、检索、储存、分享、分析和处理等角度 来看，传统经典的机器学习方法已经无法胜任在海量的异构数据体系中进行数据挖掘． 研究大数据环境 下的机器学习算法，利用机器来挖掘复杂、高维、动态的数据中有价值的知识具有重要的意义

  3. 所属分类：机器学习

    • 发布日期：2020-02-26
    • 文件大小：371712
    • 提供者：fwmht

  1. 机器学习个人笔记完整版v5.4.docx

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要10周共1

  3. 所属分类：机器学习

    • 发布日期：2020-02-15
    • 文件大小：778240
    • 提供者：kuaileren003

  1. AndrewNG机器学习笔记v5.4—黄海广.pdf

  2. 本笔记是针对斯坦福大学 2014 年机器学习课程视频做的个人笔记。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2020-01-26
    • 文件大小：8388608
    • 提供者：Leytton

  1. 机器学习、数据建模、数据挖掘分析 特征无量纲化的常见操作方法

  2. 在进行特征选择之前，一般会先进行数据无量纲化处理，这样，表征不同属性（单位不同）的各特征之间才有可比性，如2cm 与 0.2kg 你怎么比？无量纲处理方法很多，使用不同的方法，对最终的机器学习模型会产生不同的影响。通常采用的方法就是归一化，Normalization之类的方法。 from sklearn.datasets import load_iris #导入IRIS数据集 iris = load_iris() #标准化，返回值为标准化后的数据 from sklearn.preprocessi

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：69632
    • 提供者：weixin_38603704

  1. 机器学习、数据挖掘与医学病例的结合

  2. 机器学习、数据挖掘与医学病例的结合

  3. 所属分类：互联网

    • 发布日期：2020-12-31
    • 文件大小：42991616
    • 提供者：weixin_46185081
« 12 3 4 5 6 7 8 9 10 ... 20 »