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. Supervised-project-Electricity-Forecast--源码

  2. 蒙特利尔HEC监督项目“机器学习方法的探索：在德国电力市场中的应用” 该项目的目的是使用德国电力市场数据探索机器学习模型。这个受监督的项目是我在蒙特利尔HEC应用金融经济学理学硕士课程的一部分。 我使用的数据来自两个来源：1）ENTSOE用于电力市场数据，2）DWD用于天气数据。数据集可在GitHub上获得。 该代码以jupyter Notebook格式显示。有五个笔记本，其中包含以下型号： 普通最小二乘-用于价格和需求预测随机森林-用于需求预测XGBoost-用于需求预测Logistic回归-

  3. 所属分类：其它

  1. ENM531-源码

  2. ENM531：数据驱动的建模和概率科学计算 课程说明 我们将从统计学习的角度重新审视古典科学计算。在这种新的计算范式中，微分方程，守恒定律和数据在预测建模管道中充当补充代理。本课程旨在探索现代机器学习作为一种统一的计算工具的潜力，该工具使人们能够从实验数据中学习模型，推导微分方程的解决方案，融合来自模型层次结构的信息以量化计算中的不确定性，并有效地优化复杂的工程系统。 涉及的特定主题涵盖了有监督和无监督学习的最新发展：使用深度神经网络进行非线性回归/分类，使用高斯过程进行不确定性下的多保真度建模

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：47mb
    • 提供者：weixin_42168555

  1. cs4641-python-源码

  2. cs4641-python 该存储库包含针对各种机器学习技术的Python实现，我在乔治亚理工学院CS 4641（机器学习）课程的一部分中从头开始对它们进行了编码。 阅读以下有关每个模型的更多信息： K均值聚类 K均值初始化k个随机聚类中心，并将每个数据点归类为最接近的k个聚类中的任何一个。 在此实现中，我使用成对的欧几里德距离进行聚类，并使用平方误差总和来计算损失。 高斯混合模型 GMM是一种概率模型，它假定可以从有限数量的高斯分布的组合中产生所有数据点。 它是一种软群集算法，可将每个数据点

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：12kb
    • 提供者：weixin_42133452

  1. IsingModelPractice-源码

  2. IsingModel实践 这是一个自我教育项目，旨在复制Kyle Mills和Isaac Tamblyn在深度神经网络中的研究，以便通过观察进行直接，无特征的学习：二维自旋模型的情况 该项目的目标是预测2D Ising模型的哈密顿量（总能量）。预测方法是随机森林分类器和回归器随机森林回归器要好得多，但可用于比较 该项目使用Python和Julia完成，Julia主要用于计算任务，而Python用于机器学习 有一些功能可用于生成训练数据，训练模型并以图形方式显示结果

  3. 所属分类：其它

  1. Vision-Systems-Lab:MLP，DCNN，深度卷积自动编码器，LSTM，GRU，ResNets，DCGAN-波恩大学的CudaVision实验室（SS19）-源码

  2. 视觉系统实验室：在GPU上学习计算机视觉[自述文件未定期更新] 作者：Saikat Roy， 波恩大学CudaVision实验室（SS19）的存储库（主要）在PyTorch，Python3和Jupyter笔记本电脑上实现。 该项目从神经网络的基础开始，并延伸到更深层次的模型。 以下项目包含在相应的文件夹中： 项目1：Softmax回归（无autograd / Pytorch张量） 涉及使用softmax回归和手动梯度计算对MNIST数据集进行分类。 经过5次简单的迭代运行后，训练和测试集

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：14mb
    • 提供者：weixin_42116921

  1. Predicting-Credit-Score:在这个数据科学项目中，您将通过建立信用评分预测模型来预测借款人违约的机会-源码

  2. 预测信用评分 在这个数据科学项目中，我们将通过建立信用评分预测模型来预测借款人违约的机会。 使用的技巧 决策树分类器 随机森林分类器 逻辑回归 支持向量机 人工神经网络 在该项目使用的五种技术中，发现人工神经网络具有82％的最高精度。 数据集： Credit_Scoring.csv 多合一笔记本： Credit_Scoring.ipynb

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：44mb
    • 提供者：weixin_42125192

  1. Neural-Networks-from-scratch-源码

  2. 从零开始的神经网络 在这个存储库中，我从头开始实现神经网络。 该存储库仍在开发中，我将在实现进一步复杂的神经网络时进行更新。 到目前为止，我已经实现了稠密层，激活函数，L1和L2正则化器，Dropout层，用于回归和分类以及优化器的损失函数。

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：56kb
    • 提供者：weixin_42134143

  1. DONG-Chenxi-s-Project-Portfolio:我的一些数据科学项目-源码

  2. 项目组合 电邮： Python和Matlab工具箱 预测压力的两阶段模型 预测变量过滤：XGBoost功能重要性排名（选择前4个因素） 压力预测：Matlab ANFIS工具箱 通过现场数据测试，达到> 90％的精度 二氧化碳原油MMP 由Python Streamlit使用构建的Web应用 该： : 应用程序包含3个分类器（超参数可以由用户调整）： 支持向量机 逻辑回归 决策树 Web应用程序页面视图 使用ScispaCy提取和识别医学文本中的实体并生成网络可视化 使用的NL

  3. 所属分类：其它

  1. chenx_Portfolio:一些数据科学项目-源码

  2. chenx_Portfolio 一些数据科学项目 由Python Streamlit使用Kaggle UCI心脏病数据集构建的Web应用程序： 网址： ： 该应用程序已部署在HEROKU中： ://uci-heart-disease-streamlit.herokuapp.com/ 应用程序包含3个分类器（超参数可以由用户调整）： 支持向量机 逻辑回归 决策树 Web应用程序页面视图 使用ScispaCy提取和识别医学文本中的实体并生成网络可视化 数据源--- NLP封装中使用-

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：665kb
    • 提供者：weixin_42121725

  1. 音调聚类和音乐推荐系统-源码

  2. 自由音乐存档音乐分析体裁预测和歌曲推荐 项目说明：Spotify和Shazam等创新型公司以非常聪明的方式利用音乐数据为用户提供出色的服务。 他们使用推荐算法和自动类型分类，这极大地有助于增加用户体验。 通过该项目，我们旨在在提供音乐功能时执行流派分类和音乐推荐的任务。 我们的主要目标是为Spotify和Pandora等公司创建音乐推荐系统和播放列表生成器。 音乐风格的推论虽然似乎是人类头脑的先天性，但对于机器学习社区而言仍然是一项艰巨的任务。 我们使用了各种机器学习算法来实现我们的目标。 我们

  3. 所属分类：其它

  1. 地理选择反演：由Mohd-Razak和Jafarpour（2020）发表于“计算地球科学”的“基于卷积神经网络（CNN）的不确定地质情况下基于特征的模型校准”的实现和演示-源码

  2. 地理选择反演 Mohd-Razak和Jafarpour（2020）在计算地球科学中发表的实现和演示。 本文提出了用于动态流响应数据集成的卷积神经网络体系结构，以减少地质场景中的不确定性并校准地下流模型。 geo-selection-inversion │ └─── mnist │ └─── 2d-gaussian │ └─── 2d-fluvial 基于MNIST数据集，2D高斯场数据集和2D河床场数据集（请参阅文件夹结构）的演示都存储在此存储库中。 注意请在派生主存储库（包括

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：12mb
    • 提供者：weixin_42134338

  1. na-源码

  2. 关于rnnXna rnnXna是用于训练递归神经网络（RNN）的工具，用于对DNA和RNA序列数据集进行分类和回归模型。 工具支持训练和掠夺模式，可以使用经过训练的模型来推断关于新输入日期集的新预测。 安装与设定 rnnXna可以使用Anaconda软件包管理器（Conda）安装，而无需解决任何依赖性问题。 如果安装了anaconda或miniconda程序包管理器，只需运行以下命令以安装rnnXna及其依赖项。 conda install -c gabaldonlab rnnxna

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：68mb
    • 提供者：weixin_42112685

  1. 建筑_AI-源码

  2. 建筑_AI 建立AI的主题 AI入门（为什么重要，优化，爬山） 处理不确定性（概率，贝叶斯规则，朴素贝叶斯分类器） 机器学习（线性回归，最近邻，使用文本，过度拟合） 神经网络（逻辑回归（LR），从LR到NN，深度学习） 结论（您的AI想法）

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：16kb
    • 提供者：weixin_42099530

  1. nlp_course：YSDA自然语言处理课程-源码

  2. YSDA自然语言处理课程 这是2020年版本。 有关上一年的课程资料，请转到 每周的讲座和研讨会资料位于./week*文件夹中，有关资料和说明，请参阅README.md YSDA作业的最后期限将在Anytask中列出（）。 任何技术问题，想法，课程材料中的错误，贡献想法-添加 安装库和故障排除：。 教学大纲 词嵌入 讲座：单词嵌入。 分布语义。 基于计数的（神经前）方法。 Word2Vec：学习向量。 GloVe：先数一数然后学习。 评价：内在性与外在性。 分析和可解释性。 研讨会：玩单词

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：374mb
    • 提供者：weixin_42105816

  1. 808_用于业务分析的机器学习-源码

  2. 808_用于业务分析的机器学习注意 lec1：线性回归 lec2：Logistic回归 讲义3：逻辑回归2 第四讲：模型评估（精确度和召回率） 第五讲：Keras学习 讲座6：Tensorflow学习 讲座7：无监督学习（K均值和DBSCAN） Lec8_2：无监督学习（PCA） 讲座9：随机森林 Lec9_2：系统建议 Lec10：卷积神经网络 项目：猫猫图像识别 其他资源 我发现了150多种最佳的机器学习，NLP和Python教程 正则化 L1和L2有什么区别？ 在线资源学

  3. 所属分类：其它

  1. 深度学习-反向指导-源码

  2. 深度学习역멘토링 2020年ibksystem发行商。 讲座1 1.1机器学习简介 机器学习의정의 机器学习의 지도학습（监督学习） KNN分类 线性回归 비지도학습（无监督学习） K均值聚类 1.2线性回归 梯度下降学习率 过度拟合 正则化 早停 1.3梯度下降优化算法 批次梯度下降 随机梯度下降（SGD） 唠叨 势头 阿达格勒 道具 亚当 1.4二进制分类 逻辑回归 交叉熵 1.5多项式分类 softmax 1.6실습 자료 第二讲 2.1神经网络介绍 人工神经网络的历史 2.2多

  3. 所属分类：其它

  1. 神经网络回归分类器-源码

  2. 神经网络回归分类器

  3. 所属分类：其它

  1. 统计机器学习项目-源码

  2. 统计机器学习基础 该存储库从头开始包含分类器和线性回归方法的实现。 这些代码是为Raul Rojas教授于2019年Spring提供的统计机器学习课程（STAT 760） 。 主要重点是各种概念的数学和理论处理。 分类器和回归： 费舍尔判别 感知器学习 神经网络 正则化神经网络和批量归一化 知识网络 基于普通最小二乘法（OLS）的线性回归 线性回归的子集选择方法 逻辑回归 岭回归 套索回归

  3. 所属分类：其它

  1. MATLAB 神经网络30个案例分析源码

  2. 第1章 p神经网络的数据分类——语音特征信号分类1 第2章 bp神经网络的非线性系统建模——非线性函数拟合11 第3章 遗传算法优化bp神经网络——非线性函数拟合21 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 章 基于bp_adaboost的强分类器设计——财务预警建模45 章 pid神经元网络解耦控制算法——多变量系统控制54 章 rbf网络的回归——非线性函数回归的实现65 章 grnn的数据预测——基于广义回归神经网络的货运量预测73 章 离散hopf

  3. 所属分类：专业指导

    • 发布日期：2021-02-10
    • 文件大小：8mb
    • 提供者：wq3681

  1. 细粒度的情感：SST-5数据集上五类情感分类的不同NLP方法的比较和讨论-源码

  2. 细粒度情感分类 此仓库显示了对各种NLP方法的比较和讨论，这些方法可以在（SST-5）数据集上执行5级情感分类。 目标是使用多个基于规则，基于线性和神经网络的分类器来预测此数据集上的类，并查看它们之间的区别。 当前已实现以下分类器： TextBlob ：基于规则，使用库中的内部polarity度量。 Vader ：基于规则，使用库中的compound极性分数。 Logistic回归：在将词汇表转换为特征向量并考虑使用TF-IDF的词频影响后，在scikit-learn中训练简单的logi

  3. 所属分类：其它

« 12 »