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. 认识机器学习培训

  2. 机器学习的应用 机器学习定义 机器学习的几个基本概念 有监督学习、无监督学习、回归、分类 机器学习具体算法概述 有监督学习算法 无监督学习算法 总结和讨论

  3. 所属分类：其它

    • 发布日期：2014-05-17
    • 文件大小：4mb
    • 提供者：u013208058

  1. 机器学习常见算法分类汇总

  2. 这篇文档总结了常见机器学习的基本算法，希望能对大家有用！

  3. 所属分类：机器学习

    • 发布日期：2017-06-03
    • 文件大小：520kb
    • 提供者：isuccess88

  1. 基本算法总结

  2. 保存一些机器学习相关的算法，TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TF-IDF的主要思想是：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好的类别区分能力，适合用来分类。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-31
    • 文件大小：68kb
    • 提供者：luohuyun

  1. 机器学习算法思维导图

  2. 常见机器学习算法分类总结，来自https://machinelearningmastery.com/

  3. 所属分类：机器学习

    • 发布日期：2017-12-27
    • 文件大小：128kb
    • 提供者：github_37826370

  1. BAT机器学习面试1000题系列

  2. BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 4

  3. 所属分类：机器学习

    • 发布日期：2018-03-07
    • 文件大小：10mb
    • 提供者：qq_38873863

  1. 机器学习基础知识学习

  2. 机器学习基础知识，对当前机器学习的一些总结，包括发展，分类，算法，模型等

  3. 所属分类：机器学习

  1. 量子机器学习算法综述

  2. 机器学习在过去十几年里不断发展,并对其他领域产生了深远的影响.近几年,研究人员发现结合量子计算特性的新型机器学习算法可实现对传统算法的加速,该类成果引起了广泛的关注和研究.因此,文中对近十年的量子机器学习算法进行总结、梳理.首先,介绍了量子计算和机器学习的基本概念;其次,从四个方面分别介绍了量子机器学习,分别是量子无监督聚类算法、量子有监督分类算法、量子降维算法、量子深度学习;同时,对比分析量子机器学习算法与传统机器学习算法的区别和联系;最后,总结该领域存在的问题及挑战,并对量子机器学习未来的

  3. 所属分类：机器学习

    • 发布日期：2018-06-17
    • 文件大小：371kb
    • 提供者：qq_28339273

  1. 机器学习算法分类

  2.  机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考。        机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。

  3. 所属分类：机器学习

    • 发布日期：2018-06-20
    • 文件大小：244kb
    • 提供者：weixin_42492798

  1. 分类算法具体算法的优缺点

  2. 目前看到的比较全面的分类算法,总结的还不错. 2.4.1 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；

  3. 所属分类：机器学习

    • 发布日期：2018-07-07
    • 文件大小：46kb
    • 提供者：sinat_38674887

  1. 常用数据挖掘算法总结及Python实现

  2. 浅显易懂地介绍了机器学习中常用的方法，涉及分类、回归、聚类、关联分析。包含案例和解释代码，适合入门。

  3. 所属分类：机器学习

    • 发布日期：2018-01-23
    • 文件大小：4mb
    • 提供者：u012511765

  1. 菊安酱的机器学习第1期-k-近邻算法（直播）.pdf

  2. k-近邻算法的课件。来自于菊安酱的机器学习实战12期的免费教程。内涵python源码。菊安酱的直播间: 我们已经知道k近邻算法的工作原理,根据特征比较,然后提取样本集中特征最相似数据(最近邻)的分类标签。 那么如何进行比较呢?比如表1中新出的电影,我们该如何判断他所属的电影类别呢?如图2所示。 电影分类 120 爱情片(1,101) 爱情片(12,97) 80 爱情片(5,89) 水弊 60 ?(24,67) 动作片(112,9 20 动作片(1158) 动作片(108,5) 0 20 60 8

  3. 所属分类：讲义

    • 发布日期：2019-07-27
    • 文件大小：847kb
    • 提供者：qiu1440528444

  1. 1 新技术篇-机器学习概述.pdf

  2. 机器学习在中国,随着人们物质基础得提升,寿命的增长以及环境的影响,癌症每年正以...以及正在被应用于癌症研究的新技术、新方法,什么是机器学习? 不同的定义: “机器学习是一门人工智能的科学,主 要研究对象是人工智能,特别是如何在 raining Data 经验学习中改善具体算法的性能。” “机器学习是对能通过经验自动改进的 计算机算法的研究。” Random Tuning 机器学习是使用数据或以往的经验 Learning Algorithm 以此优化计算机程序的性能标准 ◇总结如下: 人工智能的

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：607kb
    • 提供者：u010461615

  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：557kb
    • 提供者：abacaba

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：305kb
    • 提供者：abacaba

  1. 机器学习分类算法总结

  2. KNN算法 knn算法的原生实现 knn算法的一般步骤： 其中测试分类classfy0（）函数是算法的核心，需默背下来，并且能够运用到其他的数据集上。 classify0函数流程图 注意classfy0（）函数中一些语句的用法： distance.argsort() ： 将distance元素从大到小顺序的下标返回 classcount.get(votelabel, 0) + 1 ：classcount字典中如果没有votelabel则字典classCount中生成voteIlabel元素

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：143kb
    • 提供者：weixin_38665122

  1. 机器学习算法汇总：人工神经网络、深度学习及其它

  2. 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：360kb
    • 提供者：weixin_38646706

  1. 机器学习算法总结

  2. 本文来自于网络，本文主要介绍了机器学习领域涉及到很多的算法和模型中一些常见的算法。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门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。严格的定义：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。由上图所示

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：615kb
    • 提供者：weixin_38685961

  1. 机器学习算法——集成方法（Ensemble）之Stacking

  2. 本文来自于csdn，本文是基于《kaggle比赛集成指南》来进行总结的概述什么是集成学习，以及目前较为常用的技术。集成方法是指由多个弱分类器模型组成的整体模型，我们需要研究的是：①弱分类器模型的形式②这些弱分类器是如何组合为一个强分类器学习过机器学习相关基础的童鞋应该知道，集成学习有两大类——以Adaboost为代表的Boosting和以RandomForest为代表的Bagging。它们在集成学习中属于同源集成（homogenousensembles）方法；而今天我将主要对一种目前在kaggl

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：463kb
    • 提供者：weixin_38553478

  1. 机器学习算法汇总：人工神经网络、深度学习及其它

  2. 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：360kb
    • 提供者：weixin_38590989

  1. 机器学习算法——集成方法（Ensemble）之Stacking

  2. 本文来自于csdn，本文是基于《kaggle比赛集成指南》来进行总结的概述什么是集成学习，以及目前较为常用的技术。 集成方法是指由多个弱分类器模型组成的整体模型，我们需要研究的是： ①弱分类器模型的形式 ②这些弱分类器是如何组合为一个强分类器学习过机器学习相关基础的童鞋应该知道，集成学习有两大类——以Adaboost为代表的Boosting和以RandomForest为代表的Bagging。它们在集成学习中属于同源集

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：462kb
    • 提供者：weixin_38638596
« 12 3 »