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. python实现说话人识别实验与开发

  2. Auto Speaker Recognition main.py the main file for test audio_record.py record audio from micro phone count_days.py count days between two date. 20110805 20160903 mfcc_feature.py extract mfcc feature from wav files SGD.model* the trained model on tr

  3. 所属分类：专业指导

    • 发布日期：2017-01-11
    • 文件大小：14mb
    • 提供者：daleloogn

  1. 自动化机器学习的原理paper

  2. 本资源解释了Auto-sklearn 的背后原理，可以帮助开发自动化机器学习的框架

  3. 所属分类：机器学习

    • 发布日期：2018-03-08
    • 文件大小：1mb
    • 提供者：richardzhi

  1. 调用sklearn库的K-Means聚类分析实例

  2. #class sklearn.cluster.KMeans(n_clusters=8, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001, precompute_distances=’auto’, verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm=’auto’) #参数： #（1）对于K均值聚类，我们需要给定类别的个数n_cluster，默认值为8； #（2）m

  3. 所属分类：机器学习

    • 发布日期：2018-01-26
    • 文件大小：7kb
    • 提供者：zhaohaibo_

  1. Python-autosklearn是一个自动化机器学习工具包和scikitlearn估计器的简易替代

  2. auto-sklearn是一个自动化机器学习工具包和scikit-learn估计器的简易替代

  3. 所属分类：其它

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：40mb
    • 提供者：h394266861

  1. 避免线性回归的过拟合（二）：线性回归的改进——岭回归（附波士顿房价预测案例源代码）

  2. 线性回归的改进-岭回归 文章源代码下载地址：波士顿房价岭回归正则化预测代码实现 文章目录线性回归的改进-岭回归1.API2.观察正则化程度的变化，对结果的影响？3.波士顿房价正则化预测代码4.结果 1.API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=“auto”, normalize=False) 具有l2正则化的线性回归 alpha:正则化力度，也叫 λ λ取值：0~1 1~10 solver:会根据数据

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：176kb
    • 提供者：weixin_38652058

  1. 机器学习实战_K近邻算法 ——手写数字预测（sklearn api）

  2. 一、序 机器学习实战_K近邻算法 ——手写数字预测 调用的是自己编写的分类器classify0，主要是为了学习理论原理；在实际是项目中通常调用工具包的api接口，比如sklearn，这也体现了python的一个便利性，不用总是自己造轮子。虽然python提供了很多机器学习的工具包，但是也是在我们了解和熟悉算法的基本实现原理。 二、sklearn中KNeighborsClassifier的介绍 class sklearn.neighbors.KNeighborsClassifier(n_neigh

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：91kb
    • 提供者：weixin_38686267

  1. 【机器学习实战】利用KNN和其他分类器对手写数字进行识别

  2. 一、在sklearn中创建KNN分类器 KNeighborsClassifier(n_neighbors=5, weights=’uniform’, algorithm=’auto’, leaf_size=30) 看一下这几个参数： 1. n_neighbors：即 KNN 中的 K 值，代表的是邻居的数量。如果K 值比较小，会造成过拟合；如果 K 值比较大，无法将未知物体分类出来。一般我们使用默认值 5。 2. weights：是用来确定邻居的权重，有两种方式： weights=‘unifor

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：134kb
    • 提供者：weixin_38734037

  1. auto-sklearn-test-sample-源码

  2. auto-sklearn测试样本 测试

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：252kb
    • 提供者：weixin_42121272

  1. 如何用Python做自动化特征工程

  2. 本文来自大数据文摘，本文作者将使用Python的featuretools库进行自动化特征工程的示例，希望对您的学习有所启迪。机器学习的模型训练越来越自动化，但特征工程还是一个漫长的手动过程，依赖于专业的领域知识，直觉和数据处理。而特征选取恰恰是机器学习重要的先期步骤，虽然不如模型训练那样能产生直接可用的结果。本文作者将使用Python的featuretools库进行自动化特征工程的示例。机器学习越来越多地从手动设计模型转变为使用H20，TPOT和auto-sklearn等工具来自动优化的渠道。这

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：736kb
    • 提供者：weixin_38673235

  1. 自动化学习框架（AutoML）的性能比较

  2. AutoML作为一个有效的工具可以帮助很多企业方便地实施和加速人工智能方面的应用落地。对于还不具备数据科学团队的公司来说，AutoML可以是全自动化的模型构建工具来使用，即便对于具备一定数据科学能力的公司，AutoML仍然可以帮助他们更加专注在人工智能落地中最为重要的事情上。在文本中，主要讲解目前常用的四个自动化学习平台，auto-sklearn,TPOT,auto_ml和H2O，以及他们之间的性能比较。机器学习建模是一个流程化的过程。首先我们需要拿到数据，其次就是数据的预处理、特征工程，接着要

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：356kb
    • 提供者：weixin_38604620

  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. auto-sklearn：使用scikit-learn进行自动化机器学习-源码

  2. 自动学习 auto-sklearn是一种自动机器学习工具包，是scikit-learn估计器的直接替代品。 在查找文档 四行代码的自动化机器学习 import autosklearn . classification cls = autosklearn . classification . AutoSklearnClassifier () cls . fit ( X_train , y_train ) predictions = cls . predict ( X_test ) 相关刊物 高效

  3. 所属分类：其它

  1. 如何用Python做自动化特征工程

  2. 本文来自大数据文摘，本文作者将使用Python的featuretools库进行自动化特征工程的示例，希望对您的学习有所启迪。机器学习的模型训练越来越自动化，但特征工程还是一个漫长的手动过程，依赖于专业的领域知识，直觉和数据处理。而特征选取恰恰是机器学习重要的先期步骤，虽然不如模型训练那样能产生直接可用的结果。本文作者将使用Python的featuretools库进行自动化特征工程的示例。机器学习越来越多地从手动设计模型转变为使用H20，TPOT和auto-sklearn等工具来自动优化的渠道。这

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：731kb
    • 提供者：weixin_38656463

  1. 自动化学习框架（AutoML）的性能比较

  2. AutoML作为一个有效的工具可以帮助很多企业方便地实施和加速人工智能方面的应用落地。对于还不具备数据科学团队的公司来说，AutoML可以是全自动化的模型构建工具来使用，即便对于具备一定数据科学能力的公司，AutoML仍然可以帮助他们更加专注在人工智能落地中最为重要的事情上。在文本中，主要讲解目前常用的四个自动化学习平台，auto-sklearn, TPOT,auto_ml和H2O，以及他们之间的性能比较。机器学习建模是一个流程化的过程。首先我们需要拿到数据，其次就是数据的预处理、特征工程，接着

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：356kb
    • 提供者：weixin_38656741

  1. sklearn-SVC实现与类参数详解

  2. sklearn-SVC实现与类参数 对应的API：http://scikit-learn.sourceforge.net/stable/modules/generated/sklearn.svm.SVC.html 它是基于libsvm实现的。随着样本数量的增加，拟合时间的复杂度要高于二次，这就使得当样板数量超过一万个时，很难扩展到数据集中。 在多类处理时，是按照1对1的方案进行处理的。 函数的的定义为： def __init__ (self, C=1.0, kernel='rbf', deg

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：68kb
    • 提供者：weixin_38656463