您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 网格搜索法--求公切线算法

  2. 网格搜索法--求公切线算法。Mathematica程序。
  3. 所属分类:其它

    • 发布日期:2009-07-08
    • 文件大小:14336
    • 提供者:jiyanfeng1
  1. libsvm交叉验证与网格搜索 参数选择

  2. libsvm交叉验证与网格搜索(参数选择)
  3. 所属分类:Java

    • 发布日期:2011-05-24
    • 文件大小:48128
    • 提供者:nbayangcewq111
  1. svm 网格搜索法

  2. SVM参数优化 网格搜索法
  3. 所属分类:其它

    • 发布日期:2016-03-09
    • 文件大小:1024
    • 提供者:u013279384
  1. 网格搜索算法

  2. 网格搜索算法,优化向量机。对于向量机的参数进行最优化处理
  3. 所属分类:机器学习

    • 发布日期:2018-04-23
    • 文件大小:8192
    • 提供者:qq_40829980
  1. 研究论文-基于改进的网格搜索法的SVM参数优化.pdf

  2. 比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法. 具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法. 先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索. 实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.
  3. 所属分类:其它

    • 发布日期:2019-08-07
    • 文件大小:432128
    • 提供者:weixin_39840914
  1. 基于网格搜索和支持向量机的矿用风机故障诊断研究

  2. 鉴于支持向量机在小样本数据情况下能够获得较大推广能力的特点,提出将支持向量机应用到矿用通风机的故障诊断中。利用网格搜索法对支持向量机进行参数寻优,通过多类分类方法对通风机故障进行分类,建立故障诊断模型。试验结果显示,该方法准确率较高,具有很好的适用性。
  3. 所属分类:其它

    • 发布日期:2020-05-19
    • 文件大小:535552
    • 提供者:weixin_38613173
  1. A09_交叉验证与网格搜索.rar

  2. 按图索骥学-机器学习 有关机器学习的一组教程,深入浅出 用一副思维导图串联所有学习资源和知识点,每个同学都可以根据自己的情况,按图索骥,设计自己的学习路径,学习需要的课程 有关此课程详细信息,请访问https://code946.blog.csdn.net/
  3. 所属分类:机器学习

    • 发布日期:2020-02-06
    • 文件大小:686080
    • 提供者:it_oheasy
  1. 网格搜索法SVM参数优化在主扇风机故障诊断中的应用

  2. 为了提高煤矿主扇风机故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到主扇风机的故障诊断中。首先,建立主扇风机运行故障的知识库,并将采集到的主扇风机振动信号进行小波消澡和归一化;然后,设计了网格搜索参数优化SVM的主扇风机故障诊断模型。最后,通过工程现场提取的数据进行实验验证,并与遗传算法和粒子群算法寻优的时间和诊断结果准确率进行比较。实验结果表明,网格搜索法SVM参数优化非常适合于煤矿主扇风机的故障系统中。
  3. 所属分类:其它

    • 发布日期:2020-06-05
    • 文件大小:241664
    • 提供者:weixin_38540819
  1. 网格搜索法在机器学习和深度学习中的使用.zip

  2. 网格搜索法在机器学习和深度学习中的小案例,使用Jupyter,压缩包包括: (1)data:letterdata.csv (2)Hyperparameter optimization.ipynb
  3. 所属分类:互联网

    • 发布日期:2020-06-07
    • 文件大小:199680
    • 提供者:lenglingling
  1. 简单粗暴理解与实现机器学习之K-近邻算法(十):交叉验证,网格搜索(模型选择与调优)API、鸢尾花案例增加K值调优

  2. K-近邻算法 文章目录K-近邻算法学习目标1.10 交叉验证,网格搜索1 什么是交叉验证(cross validation)1.1 分析1.2 为什么需要交叉验证**问题:那么这个只是对于参数得出更好的结果,那么怎么选择或者调优参数呢?**2 什么是网格搜索(Grid Search)3 交叉验证,网格搜索(模型选择与调优)API:4 鸢尾花案例增加K值调优 学习目标 掌握K-近邻算法实现过程 知道K-近邻算法的距离公式 知道K-近邻算法的超参数K值以及取值问题 知道kd树实现搜索的过程 应用KN
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:115712
    • 提供者:weixin_38617451
  1. 简单粗暴理解与实现机器学习之K-近邻算法(十):交叉验证,网格搜索(模型选择与调优)API、鸢尾花案例增加K值调优

  2. K-近邻算法 文章目录K-近邻算法学习目标1.10 交叉验证,网格搜索1 什么是交叉验证(cross validation)1.1 分析1.2 为什么需要交叉验证**问题:那么这个只是对于参数得出更好的结果,那么怎么选择或者调优参数呢?**2 什么是网格搜索(Grid Search)3 交叉验证,网格搜索(模型选择与调优)API:4 鸢尾花案例增加K值调优 学习目标 掌握K-近邻算法实现过程 知道K-近邻算法的距离公式 知道K-近邻算法的超参数K值以及取值问题 知道kd树实现搜索的过程 应用KN
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:115712
    • 提供者:weixin_38658568
  1. 【调参01】如何使用网格搜索寻找最佳超参数配置

  2. 本文介绍了如何使用网格搜索寻找网络的最佳超参数配置。 文章目录1. 准备数据集2. 问题建模2.1 训练集测试集拆分2.2 转化为监督学习问题2.3 前向验证2.4 重复评估2.5 网格搜索2.6 实例化3. 使用网格搜索寻找CNN最佳超参数3.1 超参数配置3.2 消除季节性影响3.3 问题建模3.4 完整代码 代码环境: python -3.7.6 tensorflow -2.1.0 假设现在已经定义好了网络模型,但需要对模型中的超参数进行微调。常用的方法是穷尽网格搜索(Exhaus
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:151552
    • 提供者:weixin_38623009
  1. diabetes-onset-detection:使用网格搜索,Keras模型,scikit学习,辍学正则化和最佳超参数检测糖尿病-源码

  2. 糖尿病发作检测 machinelearning{han2021cs, title={Diabetes Onset Detection using Keras Model}, author={Nguyen, Han}, year={2021}, associate={Personal Project} } 简要描述;简介 该项目是一个基于机器学习的应用程序,通过Keras模型和寻找最佳超参数的训练方法(使用网格搜索和scikit-learn并优化神经元数量)来预测个人是否患有糖尿病
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:23552
    • 提供者:weixin_42132354
  1. Predicting_rental_price_Morocco:通过尝试线性算法(普通最小二乘和套索算法),基于树的算法和集成算法(随机森林回归和梯度提升),从摩洛哥公告网站(mubawab.ma)的提取数据集(使用BeautifulSou

  2. Predicting_rental_price_Morocco:通过尝试线性算法(普通最小二乘和套索算法),基于树的算法和集成算法(随机森林回归和梯度提升),从摩洛哥公告网站(mubawab.ma)的提取数据集(使用BeautifulSoup进行网页抓取)中创建回归模型回归)并使用网格搜索来优化Gradient Boosting回归超参数
  3. 所属分类:其它

    • 发布日期:2021-03-12
    • 文件大小:548864
    • 提供者:weixin_42176827
  1. ESNOverlay:python模块easyesn的覆盖层。 允许使用pythons线程模块为不同的随机生成器种子并行计算相同的ESN配置。 此外,可以指定(顺序)网格搜索。 叠加层使用hdf5文件格式存储模型和生成的油藏输出以及它们的均

  2. ESN叠加层 python模块easyesn的覆盖层。 允许使用pythons线程模块为不同的随机生成器种子并行计算相同的ESN配置。 此外,可以指定(顺序)网格搜索。 叠加层使用hdf5文件格式(h5py模块)存储ESN模型,产生的油藏输出及其均方误差。 叠加层由三个python文件组成: esn_user.py(用户设置和主要功能) esn_fun.py(用于预处理/后处理和运行ESN的函数) esn_params.py(此处定义了ESNParams类。用于在程序周围传递ESN的标准参
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:376832
    • 提供者:weixin_42177768
  1. Udacity_Fund.AI.ML_GridSearch:Udacity-人工智能和机器学习纳米计划基础课程-aula:机器学习概论-迷你实验室:基于网格的melhorando um modelo-源码

  2. Udacity-人工智能与机器学习纳米计划基金会 Aula:介绍机器学习-Seleçãode Modelo Mini-laboratório:网格搜索 Nestemini-laboratório,alusts dados de amostra和ajustaremos um modelo deárvorededecisão。 哦,超级天使。 Em seguida,usaremos或Grid Search para encontrar melhoresparâmetrospara este mode
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:86016
    • 提供者:weixin_42131541
  1. housing_prices:在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测-源码

  2. 在回归模型中使用交叉验证和网格搜索预测房价 在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测 该项目的目标 在本文中,我将分析与墨尔本房价相关的因素,并使用几种机器学习技术对房价进行预测。 该分析中使用的模型是线性回归,岭回归,K最近邻(以下称为KNN)和决策树。 使用交叉验证和网格搜索技术的方法,我找到了每个模型中超参数的最佳值,然后比较结果以找到最佳的机器学习模型来预测墨尔本的房价。 如何运行这个项目 安装Python 3。 安装Jupyter Notebook。 使用
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:6291456
    • 提供者:weixin_42116058
  1. 超参数:ES6超参数搜索tfjs-源码

  2. ES6超参数优化 :warning: 早期版本可能会更改。 产品特点 用javascr ipt写的-与tensorflow.js一起使用来代替python hyperparameters库 从CDN或NPM中使用-从CDN链接html文件中的hpjs,或使用npm安装在项目中 通用-利用多个参数和多种搜索算法(网格搜索,随机,贝叶斯) 安装 $ npm install hyperparameters 参数表达式 import * as hpjs from 'hyperparameters';
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:35840
    • 提供者:weixin_42140625
  1. overwatch_player_DA:使用Python进行数据分析和机器学习:使用ECDF和ANOVA进行EDA,相关和回归分析,数据标准化和特征工程,通过scikit-learn支持向量回归(包括模型选择,网格搜索和特征重要性)-源码

  2. overwatch_player_DA:使用Python进行数据分析和机器学习:使用ECDF和ANOVA进行EDA,相关和回归分析,数据标准化和特征工程,通过scikit-learn支持向量回归(包括模型选择,网格搜索和特征重要性)
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42126668
  1. 2-13 超参数搜索代码实战

  2. 一、 概念                在神经网络中有许多参数,而超参数就是神经网络训练过程中不变的参数,也就是在训练之前设置好的参数,                而不是训练                得到的参数。比如说,神经网络结构:层数,宽度,激活函数、训练参数:batch_size,学习率,学习率衰减算法。                而超参数搜索就是让机器自己选择合适的超参数的值,以省下我们大量的精力。 二、 搜索策略                超参数的搜索策略一共有以下
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:79872
    • 提供者:weixin_38618094
« 12 3 4 5 6 7 8 9 10 ... 29 »