您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 自动文本分类中的机器学习(英文)

  2. 介绍了文本分类中的机器学习算法(无监督),广泛使用于文本分类、信息检索系统。
  3. 所属分类:其它

    • 发布日期:2009-05-31
    • 文件大小:420kb
    • 提供者:wangying
  1. 基于向量空间的web分类

  2. 支持向量机(Support Vector Machines,简称SVM)是在统计学习理论的基础上发展起来的一种新的学习方法,它已初步表现出很多优于其它方法的性能。由于采用了结构风险最小化原则代替经验风险最小化原则,使得较好地解决了小样本学习的问题;又由于采用了核函数思想,使它把非线性空间的问题转换到线性空间,降低了算法的复杂度。正是因为其完备的理论基础和出色的学习性能,该技术己成为机器学习界的研究热点,并在很多领域都得到了成功的应用,如人脸检测、手写体数字识别、文本自动分类等。
  3. 所属分类:Web开发

    • 发布日期:2009-09-07
    • 文件大小:233kb
    • 提供者:woshilong
  1. 机器学习引言 教学、学习PPT

  2. 机器学习,数据挖掘,人工智能,知识学习 什么是机器学习 计算机程序如何随着经验积累自动提高性能 系统自我改进的过程 历史 成功应用 学习识别人类讲话 学习驾驶车辆 学习分类新的天文结构 学习对弈西洋双陆棋
  3. 所属分类:专业指导

    • 发布日期:2010-07-15
    • 文件大小:158kb
    • 提供者:xinxijie531
  1. 基于最大散度差鉴别准则的自适应分类算法

  2. 首先证明了,当类内散布矩阵非奇异时,特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次,给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大,识别率也逐渐增大.当参数C增大到co时,识别率达到最大值.另外,以往的研究成果表明:当类内散布矩阵奇异时,最大散度差鉴别准则逐步逼近大间距线性投影准则.而且,随粉参数C的不断增大,最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此,我们提出了基于最大散度
  3. 所属分类:其它

  1. 机器学习自动分类

  2. 机器学习自动分类starting archiving
  3. 所属分类:Java

  1. matlab实现分类的线性回归

  2. 附件中包含的数据是传统游戏过三关(tic-tac-toe)的900余种棋局, 目的是要通过统计学习的方法让机器自动判别出胜负。数据文件中, 玩家是'x',对手是'o',每行数据包含3*3九宫格的布局情况('x'代表玩家棋子的位置, 'o'代表对手棋子的位置, 'b'代表空格), 'positive'代表玩家赢, 'negative代表玩家负。整个问题可以看做是一个输入特征为9维的二分类问题。
  3. 所属分类:其它

    • 发布日期:2012-12-03
    • 文件大小:8kb
    • 提供者:lfcxjcxj
  1. 新闻自动分类部分代码

  2. 简书代码
  3. 所属分类:机器学习

    • 发布日期:2017-07-06
    • 文件大小:25kb
    • 提供者:qq_28155529
  1. 自然语义之商品分类规则包,已经生成好,可以直接用

  2. 使用本规则包可以根据商品标题自动分类; 规则包是机器学习后保存的规则文件; python 样例脚本: print("Load test data...") test_data = gen_train_data(filename) print("Start accuaracy...") f = open('test1.pickle', 'rb') classifier = pickle.load(f) f.close() for d in test_data: print(d[0],classi
  3. 所属分类:机器学习

    • 发布日期:2020-05-20
    • 文件大小:212mb
    • 提供者:xt14327
  1. PCB技术中的贴片头吸嘴分类

  2. 吸嘴一般分为标准吸嘴和用户自定义吸嘴,标准吸嘴又包含对称吸嘴和不对称吸嘴,可以放在吸嘴更换器中,在生产中 自动更换;用户自定义吸嘴又称为特殊吸嘴,是针对某些特殊元件而设计的,无法由机器自动更换。如图所示是几种常见 吸嘴外观图。   图 几种常见吸嘴外观图   欢迎转载,信息来自维库电子市场网(www.dzsc.com)  来源:ks99
  3. 所属分类:其它

    • 发布日期:2020-11-13
    • 文件大小:106kb
    • 提供者:weixin_38706782
  1. CIAMS:一种工具包,用于自动选择合适的分类模型以及评估在给定数据集上学习分类器的难易程度-源码

  2. CIAMS-基于聚类指数的自动分类模型选择 CIAMS的代码打包为AutoMS 。 AutoMS(使用聚类索引的自动模型选择)是一种机器学习模型建议和数据集可分类性评估工具包。 在找到文档。 目录 概述 对于给定的二进制分类数据集, AutoMS估计与各种分类器模型相对应的最大可实现f1分数。 这些估计分数有助于对分类器模型进行明智的选择,以在数据集上进行实验,并推测每个分类器的期望值。 AutoMS还可以预测数据集的分类复杂度,该复杂度表征了可以轻松对数据集进行分类的特征。 AutoMS
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:156kb
    • 提供者:weixin_42116604
  1. 垃圾邮件分类器-源码

  2. 使用朴素贝叶斯的垃圾邮件分类器 垃圾邮件检测是NLP的主要应用之一。 所有主要的电子邮件服务提供商都内置了垃圾邮件检测系统,并将这些邮件自动分类为“垃圾邮件”。 在这里,基于我们对模型的训练,朴素贝叶斯算法用于创建一个模型,该模型可以将数据集SMS消息分类为垃圾邮件或非垃圾邮件。 能够识别垃圾邮件是一个二进制分类问题,因为邮件被分类为“垃圾邮件”或“非垃圾邮件”,别无其他。 同样,这是一个有监督的学习问题,正如我们知道要预测的那样。 我们将标记的数据集输入模型中,以供将来进行预测,该模型可以
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:14kb
    • 提供者:weixin_42157166
  1. Molecular_classification:“用于化学的Auto-sklearn”-训练并运行用于分子分类任务的机器学习分类器-源码

  2. 分子分类 “ 用于化学”。 总览 训练并运行机器学习的分类器以执行分子分类任务; 例如,预测QSAR项目中的溶解度,雾化能或生物亲和力等属性。 总体目的是“将任何易于计算的东西扔到墙上,看看有什么东西粘在上面”。 分子以字符串的形式输入。 根据这些,可以使用计算不同类型的指纹(固定大小的向量)。 模型训练基于基于或分类。 更先进的表示(例如,图形回旋)或ML模型(例如,深层神经网络)不被支持。 但是,该软件包会针对支持的模型类型自动进行超参数优化。 该项目提供了两个脚本: train_mo
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:166kb
    • 提供者:weixin_42153615
  1. NAC-神经元自动分类:机器学习对神经元进行分类:开发用于对生物神经信号进行自动分类的工具-源码

  2. NAC 神经元自动分类 用于自动分类生物神经信号的工具。 目录 描述 几个研究小组使用共同的实验测量和参数收集了两个不同神经元群体的电生理数据。 该项目的目标是找到一种方法,以最佳的预测率对这些数据中的神经元进行自动分类。 该替代方案将具有诸如避免使用转基因动物的优点。 提供给每个神经元类别(1或2)的学生一个数据集。 理想情况下,可以设想使用Caret库和R软件但也可以使用Python语言和Scikit-Learn库来监督学习的方法。 可以考虑任何其他解决方案,并且可以与学生小组讨论。 用
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:105mb
    • 提供者:weixin_42171208
  1. AD-ML:使用机器学习对阿尔茨海默氏病进行可重复分类的框架-源码

  2. 该存储库包含一个软件框架,用于使用多模式MRI和来自三个可公开获得的数据集 , 和PET数据对阿尔茨海默氏病(AD)进行自动分类的可重现机器学习实验。 它由开发。 在目录中,有数据转换,预处理和分类任务的示例,这些示例说明了如何使用的不同功能。 此代码依赖于Clinica的最新发行版本。 如果您有兴趣访问包含使用Clinica的实验代码和我们的论文结果的代码库,请转到相应论文的分支: 引用这项工作 如果您使用此软件,请引用: J.Samper-Gonzalez,N.Burgos,S.Bot
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:82kb
    • 提供者:weixin_42099633
  1. text-classification-cn:中文文本分类实践,基于搜狗新闻语料库,采用传统机器学习方法以及预训练模型等方法-源码

  2. 文字分类 文本分类(文本分类)是自然语言处理中的一个重要应用技术,根据文档的内容或主题,自动识别文档所属的预先定义的类别标签。文本分类是很多应用场景的基础,某些垃圾邮件识别,舆情分析,情感识别,新闻自动分类,智能客服机器人的合并分类等等。此处分为两个部分: 第1部分:基于scikit学习机器学习的Python库,对比几个传统机器学习方法的文本分类 第2部分:基于预训练词向量模型,使用Keras工具进行文本分类,用到了CNN 本文语料:,密码:P9M4。更多新闻标注语料,。 预训练词向量模型来自
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:207.98kb
    • 提供者:weixin_42101237
  1. ecg分类:MIT-BIH心律失常数据库上的训练和测试机器学习分类器的代码-源码

  2. 心电图分类 该代码包含一种基于多个支持向量机(SVM)的自动分类心电图(ECG)方法的实现。 该方法依赖于随后的搏动及其形态之间的时间间隔来进行ECG表征。 使用基于小波,局部二进制模式(LBP),高阶统计量(HOS)和几个幅度值的不同描述符。 有关详细说明,请参见以下文章: : 如果您在出版物中使用此代码,请引用为: article{MONDEJARGUERRA201941, author = {Mond{\'{e}}jar-Guerra, V and Novo, J and Rou
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:102kb
    • 提供者:weixin_42138716
  1. repo-classifier:信息自动分类库-源码

  2. 回购分类器 Repo分类器是使用Django实现的Web应用程序,它使用机器学习算法将GitHub存储库分为几类。 该项目由斯图加特大学团队开发,用于2017年。 要求 python 3.5+ 点子 建立 使用python -m venv .venv创建虚拟环境 使用source .venv/bin/activate autoenv或安装autoenv并创建一个.env文件,如下所述 使用pip install -r requirements.txt安装依赖项 将python SDK设置为.v
  3. 所属分类:其它

  1. 面向机器智能的TensorFlow实践:产品环境中模型的部署

  2. 在了解如何利用TesnsorFlow构建和训练各种模型——从基本的机器学习模型到复杂的深度学习网络后,我们就要考虑如何将训练好的模型投入于产品,以使其能够为其他应用所用,本文对此将进行详细介绍。文章节选自《面向机器智能的TensorFlow实践》第7章。本文将创建一个简单的WebApp,使用户能够上传一幅图像,并对其运行Inception模型,实现图像的自动分类。TensorFlow服务是用于构建允许用户在产品中使用我们提供的模型的服务器的工具。在开发过程中,使用该工具的方法有两种:手工安装所有
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:96kb
    • 提供者:weixin_38543280
  1. Sentiment_Analysis:使用机器学习方法将亚马逊产品的评论自动分类为正面评论或负面评论-源码

  2. 情绪分析 使用机器学习方法将对亚马逊产品的评论自动分类为正面评论或负面评论。 该项目是edx提供的MIT机器学习研究生课程的一部分(MIT 6.86x:使用python进行机器学习:从线性模型到深度学习)。 在这里,已构建了海关功能来实现不同的学习算法,并已在大型边际分类器中测试了它们的准确性,从而使用“词袋”(BOW)方法预测了正面评论或负面评论。 项目简介 此项目中有4个python文件: project.py
  3. 所属分类:其它

  1. AI-for-Text-Classification:该资源是人工智能代码,采用机器学习和深度学习实现文本自动分类。希望对您有所帮助〜-源码

  2. 文字分类AI 该资源是人工智能代码,采用机器学习和深度学习实现文本自动分类。希望对您有所帮助〜 该资源主要针对不同数据集进行文本分类代码分析,包括: 机器学习 左心室 DTC 支持向量机 知识网络 射频 深度学习 有线电视新闻网 RNN LSTM 双线性STM TextCNN 注意力 BiLSTM神经网络 BiLSTM-CNN +注意 作者的文章:
  3. 所属分类:其它

    • 发布日期:2021-03-22
    • 文件大小:32mb
    • 提供者:weixin_42131705
« 12 3 4 5 6 7 8 9 10 ... 16 »