您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 炼数成金,机器学习.t

  2. 炼数成金,机器学习
  3. 所属分类:其它

    • 发布日期:2016-07-02
    • 文件大小:49byte
    • 提供者:linianzhenti
  1. 机器学习算法工程师校招面试题库.pdf

  2. 机器学习算法工程师校招面试题库 涵盖数学基础、机器学习算法、深度学习、自然语言处理、计算机基础项目等。ξ NOWCODER. COM 牛客网一一互联网学习求职必备神器 名企校招历年笔试面试真题,尽在牛客网 可能就问的项日多一些,或者你说哪里精通可能面试官就多去问你这些。而且此图是根据题 库数据整理出来,并不是根据实际单场面试整理,比如基础部分不会考那么多,会从中抽着 考 但是面试中必考的点且占比非常大的有机器学习算法,机器学习和算法。 决定你是否能拿 sp offer(高薪ofer)以及是否
  3. 所属分类:机器学习

    • 发布日期:2019-07-15
    • 文件大小:4mb
    • 提供者:yangyang3401
  1. 大数据下的机器学习算法综述.pdf

  2. 大数据下的机器学习算法综述,介绍利用大数据做机器学习的常用算法ordan Little bootstraps Boot frap ordan 4 4.1 4.2 Kol- Tucker Memory -Efficient Tucker Decomposition MET MET densed Nearest Neighbor CNN R duced nearest neighbor RnN Ed MET ted Nearest Neighbor ENN Wahba h 10 Regularize
  3. 所属分类:机器学习

    • 发布日期:2019-07-16
    • 文件大小:319kb
    • 提供者:hejx1213
  1. 机器学习论文合集(pdf格式).zip

  2. 25篇机器学习经典论文合集,有需要欢迎积分自取 Efficient sparse coding algorithms论文附有代码 [1] Zheng S, Kwok J T. Follow the moving leader in deep learning[C]//Proceedings of the 34th International Conference on Machine Learning-Volume 70. JMLR. org, 2017: 4110-4119. [2] K
  3. 所属分类:深度学习

    • 发布日期:2020-03-10
    • 文件大小:74mb
    • 提供者:LLL_mg
  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. 【Google 机器学习笔记】十、TensorFlow 2.1 实战(二)基本图像分类(MNIST)

  2. 【Google 机器学习笔记】 十、TensorFlow 2.1 实战(二)基本图像分类   为节省时间,降低学习成本,本节实战的图片分类对象 tf.keras 中内置的 MNIST 数据集。   首先回顾机器学习编程的几个基本步骤     1. 数据       ① 获取数据       ② 处理数据       ③ 拆分数据       ④ 检查数据     2. 模型       ① 构建模型       ② 检查模型       ③ 训练模型       ④ 进行预测   现根据以上步
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:376kb
    • 提供者:weixin_38701156
  1. 机器学习的个人学习过程

  2. 还在学习中!尚未补全 机器学习的学习任务根据训练集是否拥有标记信息, 可大致分为两类:监督学习和无监督学习 分类和回归是监督学习的代表 (对于预测的结果是离散值,例如“好瓜”“坏瓜”此称为分类;对于预测值是连续值,例如西瓜成熟度是0.95,此称为回归) 聚类是无监督学习的代表 (将训练集分为若干组,每组形成一个簇,他们自动形成的簇对应着一些潜在的特征划分,这些概念我们事先不知,这样的样本也不拥有标记) 模型评估方法 留出法 将数据集D分为互斥的两部分:训练集S、测试集T。 用训练集S进行训练后,
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:53kb
    • 提供者:weixin_38566180
  1. CV学习第三课——机器学习之线性回归与逻辑回归

  2. 1机器学习 定义:假设用P来评估计算机程序在某任务类T上的性能,若一个程序通过利用经验E在T中任务上获得了性能改善,则我们就说关于T和P,该程序对E进行了学习。 这也是机器学习目前的困境所在,只能针对单方面的事物进行学习,还不会变通。 1.1机器学习与人工智能关系 其关系可参考阅读链接: 人工智能、机器学习、深度学习、神经网络概念说明 用一张图可表示如下: 1.2机器学习分类 机器学习分类参考 机器学习通常分为四类,每类又细分如下 A监督学习 监督学习经典分两类: 1.Regression回归问
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:324kb
    • 提供者:weixin_38724333
  1. 模式识别与机器学习简单知识点

  2. 模式识别与机器学习简单知识点 什么是模式 • 广义地说,存在于时间和空间中可观察的物体,如果我们可以区别它们是否相同或是否相似,都可以称之为模式。 模式所指的不是事物本身,而是从事物获得的信息,因此,模式往往表现为具有时间和空间分布的信息。 • 模式的直观特性: – 可观察性 – 可区分性 – 相似性 • 机器学习的目标:针对某类任务T,用P衡量性能,根据经验来学习和自我完善,提高性能。 • 模式识别系统的目标:在特征空间和解释空间之间找到一种映射关系,这种映射也称之为假说。 主要分类和学习方法
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:566kb
    • 提供者:weixin_38740201
  1. 机器学习相关概念

  2. 机器学习相关概念 定义: T E P 机器学习分类 有监督学习 回归(Regression) linear_regression 分类(Classification) 判别模型 ->Bayes公式->先验概率,似然函数,证据,后验概率->Beta分布(概率的概率分布) 生成模型->联合概率 边缘概率 距离说明什么是判别模型,什么是生成模型,以及常见的模型分别属于哪种.可能会被问到 无监督学习 聚类(cluster) 降维 强化学习 机器学习三要素 模型(线性回归,Log
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:32kb
    • 提供者:weixin_38636655
  1. 机器学习基础(1)

  2. 机器学习(Machine Learning) 概念: 交叉学科,涉及概率论,逼近论,算法复杂度理论等多门学科。专门研究计算机怎样模拟和实现人类的学习行为,以获取新的知识和技能,重新组织已有的知识结构使之不断改善自身性能。 定位: 人工智能(Artifical Intelligence)的核心,是使计算机具有智能的根本途径。 定义: 针对经验E(Experience)和一系列任务T(Tasks)和一定的表现衡量P(Performance),随着经验E的积累,针对特定的任务T可以提高表现P,就说其具
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:34kb
    • 提供者:weixin_38606639
  1. MNIST-Fashion-data-Classification-Task:尝试使用MNIST Fashion数据集,以手工方式建立最佳模型,而无需使用预制的机器学习模型-源码

  2. MNIST时尚数据分类任务 这项研究的目的是找到最佳分类器来训练机器学习模型,该模型将用于预测图片的内容。 通过使用成千上万张图片的像素分解,模型将尝试将每张图片分类为正确的类别。 该报告将重点关注以下10种服装的图片:T恤/上衣,裤子,套头衫,连衣裙,外套,凉鞋,衬衫,运动鞋,包和脚踝靴。 该模型的目的是使用30,000张带有指定标签的图片对其进行训练,然后再对5,000张图片进行测试。 理想情况下,该模型将来将可以接收任何图片,并且可以预测图片上方列出的10个项目中的哪个正在描绘。 创建了
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:22mb
    • 提供者:weixin_42134038
  1. torchlib-opencv-gpu:安装CUDA工具包,cuDNN,Torchlib C ++,cmake,VS代码和OpenCV以进行机器学习-源码

  2. 安装Ubuntu18.04,CUDA工具包10.1,cuDNN,Torchlib C ++,cmake,VS代码和OpenCV以进行机器学习。 安装CUDA工具包和cuDNN 修改〜/ .Profile文件,扩展路径为10.1和10.2 启动终端Ctrl-Alt-T $ sudo apt-get update $ sudo vim ~/.profile 编辑文件并更改有关如何使用vim编辑器的简便指南: : # set PATH for cuda 10.1 installation
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:771kb
    • 提供者:weixin_42128676
  1. 机器学习与统计项目-源码

  2. 该知识库包含机器学习和统计模块的最终项目。 该项目由Donal Maher G00387395完成。 运行此rest_server 视窗 设置FLASK_APP = rest_server.py python -m flask运行docker build -t rest_server-app。 泊坞窗运行-d -p 5000:5000 rest_server-app Linux 导出FLASK_APP = rest_server.py python3 -m flask运行 该存储库在以下条件下
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:531kb
    • 提供者:weixin_42168750
  1. COS598D_Assignment1:COS598D的作业:系统和机器学习-源码

  2. 网络修剪 COS598D的作业1:系统和机器学习 在本作业中,您需要评估三种高级神经网络修剪方法,包括SNIP [1],GraSP [2]和SynFlow [3],并与两种基线修剪方法进行比较,包括随机修剪和基于幅度的修剪。 在example/experiment/py ,我们提供了一个示例进行单次全局修剪。 您的工作是探索不同的超参数和网络体系结构。 参考 [1] Lee,N.,Ajanthan,T.和Torr,PH,2018年。片段:基于连接敏感度的单发网络修剪。 arXiv预印本arXi
  3. 所属分类:其它

    • 发布日期:2021-02-19
    • 文件大小:87kb
    • 提供者:weixin_42131424
  1. 欺诈检测Web服务:使用Python,Flask,Docker,AWS ec2将机器学习模型作为Web服务提供服务-源码

  2. 欺诈检测Web服务 使用Python,Flask,Docker,AWS ec2将机器学习模型作为Web服务提供服务。 我已使用以下kaggle链接中的信用卡欺诈检测功能 入门 1.运行python欺诈_detection.py生成pkl文件,这是您的机器学习模型保存为对象的格式。 2,使用app.py将推理逻辑包装在Flask服务器中,以将模型作为REST Web服务3.执行命令python app.py以运行flask应用程序。 4.转到浏览器并点击URL 0.0.0.0:80以获取消息Hel
  3. 所属分类:其它

  1. 信用卡默认预测器:机器学习深度学习模型可预测默认的银行帐户-源码

  2. 信用卡默认预测变量 机器学习/深度学习模型可预测默认的银行账户 项目概况 在Kaggle上找到的经过清理和分析的数据: ://www.kaggle.com/uciml/default-of-credit-card-clients-dataset 提供了有关Ames Housing数据集的详细视觉分析,以获取要素与数据结构之间的关系洞察力 通过将列合并为具有洞察力的信息,实现了工程设计的功能,例如总平方英尺和浴室总数 使用GridsearchCV优化随机森林,梯度提升回归,岭回归,套索回归和弹
  3. 所属分类:其它

  1. stats231a:UCLA的STATS 231A-模式识别和机器学习,2020秋季-源码

  2. 统计231a UCLA的STATS 231A-模式识别和机器学习,2020秋季 作业1 用numpy从头开始对简单的神经网络进行编码。 作业3 CNN和RNN。 作业4 分类网,GAN和编码器/解码器转换模型。 作业5 卷积变分自动编码器(CVAE),t分布随机邻居嵌入(tSNE)和频谱聚类。
  3. 所属分类:其它

  1. 机器学习-源码

  2. 机器学习库 对于找到此仓库的任何可怜的灵魂,欢迎您! 随附的是我在SDSM&T的CSC 692期间编写的ML算法的集合。 正在安装 假设您已克隆存储库,那么我们可以从安装需求开始。 通过运行以下命令来执行此操作: pip install -r requirements.txt 完成后,您应该可以使用此ML包。 常用用法 对于软件包中的每种算法,您都需要了解3个函数。 初始化 在每种算法初始化时,通常都会有几个可选参数来修改模型的参数。 例如体重秤或时代。 要传递这些可选的修饰符,请像这样简单
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:11mb
    • 提供者:weixin_42148975
« 12 3 4 5 6 7 8 9 10 »