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. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：220kb
    • 提供者：q6115759

  1. Scikit-Learn and TensorFlow

  2. 通过具体的例子、很少的理论以及两款成熟的Python框架：Scikit-Learn和TensorFlow，作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术，从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识，你只需要有一些编程经验就行了。 　　探索机器学习，尤其是神经网络 　　使用Scikit-Learn全程跟踪一个机器学习项目的例子 　　探索各种训练模型，包括：支持向量机、决策树、随机森林以及集成方法 　　使用Tensor

  3. 所属分类：机器学习

  1. R H2O 价格预测

  2. R代码实例，利用H2O构建线性回归模型，对数线性回归模型，随机森林，梯度Boosting，然后对模型进行ROC，AUC比较，选择最优模型。

  3. 所属分类：其它

    • 发布日期：2018-04-20
    • 文件大小：892kb
    • 提供者：cfk0104

  1. 应用预测建模 Applied Predictive Modeling

  2. 译者序 前言 第1章 导论 1.1 预测与解释 1.2 预测模型的关键部分 1.3 专业术语 1.4 实例数据集和典型数据场景 1.5 概述 1.6 符号 第一部分 一般策略 第2章 预测建模过程简介 2.1 案例分析：预测燃油效能 2.2 主题 2.3 总结 第3章 数据预处理 3.1 案例分析：高内涵筛选中的细胞分组 3.2 单个预测变量数据变换 3.3 多个预测变量数据变换 3.4 处理缺失值 3.5 移除预测变量 3.6 增加预测变量 3.7 区间化预测变量 3.8 计算 习题 第4章

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：74mb
    • 提供者：u011051172

  1. python逻辑回归预测购买商品

  2. 面对不同类型、偏好的消费者以及他们之前的消费数据作为基础，利用逻辑回归算法和随机森林回归算法构建模型，在已知数据的基础上进行拟合和调试，得出最优化的规律，并根据这一规律预测消费者的动机，此项研究在编程基础、算法运用、模型构建和解决现实问题都有很大的意义。

  3. 所属分类：餐饮零售

    • 发布日期：2019-01-26
    • 文件大小：65kb
    • 提供者：weixin_43838657

  1. 易康用户操作手册.pdf

  2. 特别好的资源，希望大家可以用来进行学习e Cognition Developer9—用户指南 353分类(最邻近法)( Nearest Neighbor)135 354分类(亮度阈值)( Brightness Threshold) 37 3.6导出数据 DDDD面 DDDDDDD1 361导出(点) 362导出(多边形) 4教程引言 40 4.1形状识别 40 4.1.1将影像分为基木的对象 4.1.2识别背景 41 4.1.3形状和它们的属性 D I …,43 4.1.4完整的规则集… 44

  3. 所属分类：其它

    • 发布日期：2019-07-28
    • 文件大小：8mb
    • 提供者：qq_40178533

  1. 员工离职预测模型.docx

  2. 本文针对企业员工的一些特征来判断员工是否离职，利用RapidMiner软件构建员工离职预测模型，分析影响员工离职的重要因素，比如员工月收入，是否加班，是否出差等，预测企业员工是否具有离职倾向，为企业提前做出判断，协助人力资源部门进行关键的干预工作，有计划的进行“留住人才”措施，同时也可以更好的促进企业做好“选拔人才”、“培养人才”、“管理人才”。建模前，先对原始数据进行预处理，包括属性变量量化处理、约简属性、数据标准化处理、特征的相关性分析、指定属性角色和划分训练集与测试集。建模选取了决策树模型

  3. 所属分类：算法与数据结构

  1. 构建随机森林回归模型

  2. 主要通过sklearn中来实现随机森林回归模型对波士顿房价进行回归预测

  3. 所属分类：互联网

    • 发布日期：2020-12-28
    • 文件大小：49kb
    • 提供者：a18829292719

  1. Yelp-Recommendation-System:根据餐厅给餐厅的评价向用户推荐餐厅-源码

  2. Yelp推荐系统 下载Yelp的Business.CSV和Review.CSV以在您的计算机上运行此代码。 可以在.ipynb文件中查看代码和输出 获得纽约大学CDS学院奖的“最佳第一年项目”奖。 构建了一个推荐引擎，以使用传统模型（如基于余弦相似度的模型，SVD和交替最小二乘模型）向Yelp用户推荐餐厅； 评分矩阵非常稀疏，稀疏度为99.4％ 开发了基于随机梯度下降的模型，基于神经网络的模型，基于随机森林回归的模型和集成模型等高级模型，以在稀疏评级矩阵完成任务上实现更高的性能 数据集的稀疏

  3. 所属分类：其它

  1. Makeathon3077_OpenSource_Sages:此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型-源码

  2. 电子商务欺诈预测器Web应用程序 网络链接： ： 此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型。 训练了7种机器学习算法（决策树，随机森林，逻辑回归，支持向量机，梯度提升和K最近邻和KMeans算法）和2种深度学习神经网络模型（单层感知器和多层感知器）并对其进行了测试使用电子交易数据集（kaggle）和精度最高的百分位数的模型来构建网络预测器。 该Web应用程序是使用以下库在Python中构建的： 流线型 大熊猫 斯克莱恩 海生的 matplotlib.pypl

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：195kb
    • 提供者：weixin_42144604

  1. 使用机器学习的数据科学，薪水估计器：这个项目是我个人的经验，它与我的朋友自动化了机器学习算法，我们为了了解该项目的整个生命周期而建立了该算法。 该项目的主要目的是根据地理位置，工作年限等因素来确定数据科学员工的薪水。 这些项目的数据是从玻璃

  2. 数据科学薪酬估算器：项目概述 创建了一个估算数据科学人员薪水（MAE〜$ 11K）的工具，以帮助数据科学家在找到工作时就其收入进行协商。 使用python和selenium从glassdoor上刮取了1000多个工作描述，每个工作描述文本中的工程设计功能可量化公司对python，excel，aws和spark的重视程度。 使用GridsearchCV优化了线性，套索和随机森林回归，以达到最佳模型。 使用Flask构建面向客户的API 网页搜刮（* ） 调整了Web抓取器github repo

  3. 所属分类：其它

  1. Data-Science-Salary-Estimator：创建了一个估算数据科学薪资的工具-源码

  2. 数据科学薪酬估算器：项目概述 创建了一个估算数据科学人员薪水（MAE〜$ 11K）的工具，以帮助数据科学家在找到工作时就其收入进行协商。 使用python和selenium从glassdoor上刮掉了1000多个工作描述 每个职位描述文本中的工程功能可以量化公司在python，excel，aws和spark上的价值。 使用GridsearchCV优化了线性，套索和随机森林回归，以达到最佳模型。 使用Flask构建面向客户的API

  3. 所属分类：其它

  1. 用通俗易懂的方式剖析随机森林

  2. 随机森林是现在比较流行的一个算法。对于回归和分类问题有很好的效果。大家有可能有过这样的经历，辛辛苦苦搭好神经网络，最后预测的准确率还不如随机森林。既然随机森林这么好用，那它的内在的机理到底是什么呢？接下来将会用通俗易懂的方式讲一讲随机森林。1.什么是随机森林随机森林分解开来就是“随机”和“森林”。“随机”的含义我们之后讲，我们先说“森林”，森林是由很多棵树组成的，因此随机森林的结果是依赖于多棵决策树的结果，这是一种集成学习的思想。森林里新来了一只动物，森林举办森林大会，判断这到底是什么动物，每棵

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：174kb
    • 提供者：weixin_38528086

  1. DS：数据科学项目模型的回购-源码

  2. 数据科学 项目1：足球运动员的评分（ ） 使用来自欧洲足球数据库的数据并建立了回归模型，以基于各种属性预测足球运动员的整体评分。 使用Flask构建了基本的API，并将其部署到GCP，Herolu和Pivotal云平台中。 项目2：预测一个人每年的收入是否超过5万（ ） 建立了几个分类模型，以预测一个人每年从经典成人数据集中赚取的收入是否超过5万。 建立了KNN，决策树，随机森林和XGBoost模型，并通过比较各自的AUC和准确性得分，比较了哪一种最适合数据集。 项目3：Zomato

  3. 所属分类：其它

  1. 机器学习算法教程：基础机器学习算法教程（线性回归，逻辑回归，SVM，随机森林，装袋，KNN，K均值...）-源码

  2. 什么是机器学习？ 机器学习是一种自动化分析模型构建的数据分析方法。 使用迭代地从数据中学习的算法，机器学习允许计算机查找隐藏的见解，而无需对其进行明确的编程。 它是干什么用的？ 欺诈识别。 网络搜索结果。 网页上的实时广告 信用评分和次优报价。 预测设备故障。 新的定价模式。 网络入侵检测。 预测客户流失 模式和图像识别。 电子邮件垃圾邮件过滤。 这是最近几个月我一直在努力的机器学习算法教程列表。 随时在下面的评论中留下您的反馈/建议 1. 2. 3.

  3. 所属分类：其它

  1. Job_Prediction_Project：用于工作预测的仓库-源码

  2. Job_Prediction_Project 项目概况 使用python和selenium从glassdoor中删除了800个工作描述。 创建了一种可估算数据科学家工资的工具，以帮助他们与未来的潜在雇主协商工资。 每个职位描述的功能工程文本，以量化公司在Python，R，SQL，Spark，AWS，Tableau，Excel上的价值。 使用RandomizedSearchCV优化了多个线性，支持向量和随机森林回归，以达到最佳模型。 使用flask构建了面向客户端的API。 使用的代码和资

  3. 所属分类：其它

  1. 基于随机森林的链路质量预测

  2. 链路质量预测对无线传感器网络的上层协议设计至关重要，通过链路质量预测方法选择高质量的链路通信，可以提高数据传输的可靠性和网络通信的效率。基于无监督聚类的高斯混合模型划分链路质量等级，采用零相位分量分析白化法去除样本间的相关性，计算信噪比、链路质量指示及接收信号强度指示的均值和方差，并将其结果作为链路质量参数；基于随机森林分类算法构建链路质量评估模型，采用随机森林回归算法构建链路质量预测模型，预测下一时刻的链路质量等级。在不同的实验场景下，与指数加权移动平均、三角度量、支持向量回归机和线性回归预测

  3. 所属分类：其它

  1. DS_Portfolio-源码

  2. DS产品组合 [项目1：数据科学薪酬估算器] 创建了一个估算数据科学人员薪水（MAE〜$ 11K）的工具，以帮助数据科学家在找到工作时就其收入进行协商。 使用python和selenium从glassdoor上刮掉了1000多个工作描述 每个职位描述文本中的工程功能可以量化公司在python，excel，aws和spark上的价值。 使用GridsearchCV优化了线性，套索和随机森林回归，以达到最佳模型。 使用Flask构建面向客户的API

  3. 所属分类：其它

  1. Data-Science:R中的EDA和机器学习模型（回归，分类，聚类，SVM，决策树，随机森林，时间序列分析，推荐系统，XGBoost）-源码

  2. EDA和ML项目 存储库包含各种项目，这些项目都使用R语言编写了以下代码： 探索性数据分析 机器学习模型（线性回归，逻辑回归，k均值聚类，分层聚类，SVM，决策树，随机森林，时间序列分析，XGBoost） 以下是一些常用的程序包/库的列表，这些程序包/库被用作数据分析和构建机器学习模型的一部分 数据处理： dplyr，plyr，tidyr，stringer，data.table，lubridate（用于日期处理）， 数据可视化： ggplot2，cowplot，ggthemes，比例 ML模型：

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：26mb
    • 提供者：weixin_42135462
« 12 »