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. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1mb
    • 提供者：qq_33042687

  1. EM算法Python实现

  2. 对统计学习方法EM算法进行了python实现，并针对简单数据的高斯混合模型进行EM算法的参数估计。

  3. 所属分类：机器学习

    • 发布日期：2018-01-04
    • 文件大小：2kb
    • 提供者：u014447845

  1. EM算法逼近GMM参数针对二维数据点的python实现

  2. EM算法逼近GMM参数针对二维数据点的python实现。 GMM即高斯混合模型，是将数据集看成是由多个高斯分布线性组合而成，即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类，而混合的高斯分布个数也就是分类数K。

  3. 所属分类：机器学习

    • 发布日期：2018-06-21
    • 文件大小：184kb
    • 提供者：xiaopangxia

  1. 期望最大化算法整理（EM）

  2. 文章的目录 一、最大期望算法简介 二、相关知识 2.1贝叶斯 2.2最大似然估计 2.3Jensen不等式 2.4高斯分布 三、EM算法 3.1实例理解 3.2EM算法求解步骤 3.3EM算法推导 3.4EM算法_python

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-18
    • 文件大小：2mb
    • 提供者：l_jc11111

  1. Python实现决策树

  2. 决策树的三种数据挖掘算法，使用了python实现可视化。

  3. 所属分类：Hadoop

    • 发布日期：2018-06-30
    • 文件大小：454kb
    • 提供者：csdnwxhw

  1. 高斯混合模型的EM算法（文档及python代码）

  2. 高斯混合模型的em算法代码，文档粗略解析和代码。注释高斯混合，不是高斯过程混合。

  3. 所属分类：机器学习

    • 发布日期：2019-01-04
    • 文件大小：350kb
    • 提供者：weixin_43255962

  1. EM算法及其推广(EM) Python代码 《统计学习方法》李航

  2. 经典书籍《统计学习方法》李航，第9章 EM算法及其推广(EM) -Python代码

  3. 所属分类：专业指导

    • 发布日期：2019-03-22
    • 文件大小：2kb
    • 提供者：sweety_lin

  1. 数据挖掘项目 GMM的EM算法.rar

  2. 这是我们组做过的一个项目，GMM的EM算法，基于高斯分布的期望（均数）μ和标准差σ的估计。里面有PPT详情分析和Python源代码。初学者，如有错误，还请见谅！

  3. 所属分类：机器学习

    • 发布日期：2020-02-07
    • 文件大小：15mb
    • 提供者：csx0707

  1. 报告_期望最大值算法EM.pdf

  2. 机器学习报告，解释期望最大值原理，内含python小程序，逻辑通顺，内容充实

  3. 所属分类：机器学习

    • 发布日期：2020-07-10
    • 文件大小：597kb
    • 提供者：qq_36686169

  1. EM算法+Python代码.zip

  2. 期望最大化（Expectation Maximization， EM）算法，是一种求解含有隐变量（Latent Variable）的概率模型参数的极大似然估计（Maximum Likelihood Estimation），或称极 大后验概率估计。 EM 算法并不是简单地将数据的输入输出格式固定，然后直接调用 工具包就可以使用，而是需要根据其思想基于具体问题设计相应具体算法，因此 EM 算法更可以说是一种框架或者方法论。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-07-22
    • 文件大小：8mb
    • 提供者：qq_37702069

  1. EM算法的python实现的方法步骤

  2. 本篇文章主要介绍了EM算法的python实现的方法步骤，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：173kb
    • 提供者：weixin_38744962

  1. 统计学习方法及代码实现(Python)

  2. 全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。

  3. 所属分类：机器学习

    • 发布日期：2020-10-07
    • 文件大小：17mb
    • 提供者：qq_30121457

  1. 贝叶斯+EM算法实现代码（python+详细注释）

  2. 贝叶斯图像分割python实战，EM算法图像分割Python实战代码+详细注释，演示PPT及数据打包。相关讲解地址： https://blog.csdn.net/sinat_35907936/article/details/109266603 https://blog.csdn.net/sinat_35907936/article/details/109167111 https://blog.csdn.net/sinat_35907936/article/details

  3. 所属分类：机器学习

    • 发布日期：2020-10-24
    • 文件大小：4mb
    • 提供者：sinat_35907936

  1. python实现聚类算法原理

  2. 本文主要内容： 聚类算法的特点 聚类算法样本间的属性(包括，有序属性、无序属性)度量标准 聚类的常见算法，原型聚类(主要论述K均值聚类)，层次聚类、密度聚类 K均值聚类算法的python实现，以及聚类算法与EM最大算法的关系 参考引用 先上一张gif的k均值聚类算法动态图片，让大家对算法有个感性认识： 其中：N=200代表有200个样本，不同的颜色代表不同的簇(其中 3种颜色为3个簇)，星星代表每个簇的簇心。算法通过25次迭代找到收敛的簇心，以及对应的簇。 每次迭代的过程中

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：918kb
    • 提供者：weixin_38506798

  1. EM算法的python实现的方法步骤

  2. 前言：前一篇文章大概说了EM算法的整个理解以及一些相关的公式神马的，那些数学公式啥的看完真的是忘完了，那就来用代码记忆记忆吧！接下来将会对python版本的EM算法进行一些分析。 EM的python实现和解析 引入问题（双硬币问题） 假设有两枚硬币A、B，以相同的概率随机选择一个硬币，进行如下的抛硬币实验：共做5次实验，每次实验独立的抛十次，结果如图中a所示，例如某次实验产生了H、T、T、T、H、H、T、H、T、H，H代表正面朝上。 假设试验数据记录员可能是实习生，业务不一定熟悉，造成a和b

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：172kb
    • 提供者：weixin_38588592

  1. EM算法进行GMM参数估计的Python实现-附件资源

  2. EM算法进行GMM参数估计的Python实现-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：106byte
    • 提供者：weixin_42186579

  1. EM算法进行GMM参数估计的Python实现-附件资源

  2. EM算法进行GMM参数估计的Python实现-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-02
    • 文件大小：23byte
    • 提供者：weixin_42205158

  1. 使用高斯混合模型和EM进行水下浮标检测：使用高斯混合模型和期望最大化算法检测水下浮标-源码

  2. ENPM-673-项目3 使用GMM分割不同颜色的浮标Python版本：3.x 所需包装： 麻木 openCV mathplotlib 操作系统 数学 要运行代码： 1.）在当前目录中运行包含所有代码的python文件。 为了获得更多信息，请访问下面的GitHub链接： :

  3. 所属分类：其它

  1. 受限玻尔兹曼机RBM简述与Python实现

  2. 生成式模型 生成式模型的理念大同小异，几乎都是用一个模型产生概率分布来拟合原始的数据分布情况，计算两个概率分布的差异使用KL散度，优化概率模型的方法是最小化对数似然，可以用EM算法或梯度优化算法。 今天表现比较好的生成模型有VAE变分自编码器，GAN生成对抗网络和PixelRNN以及Seq2Seq等。而RBM则比它们要早很多，可以说是祖师爷级别的模型。 受限玻尔兹曼机 RBM模型是一种很早被提出的基于能量和概率的生成式模型，它拥有一个显层和一个隐层，层上有偏置，两层之前有一个权值矩阵W，只是看

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：693kb
    • 提供者：weixin_38677585

  1. Python实现EM算法实例代码

  2. EM算法实例 通过实例可以快速了解EM算法的基本思想，具体推导请点文末链接。图a是让我们预热的，图b是EM算法的实例。 这是一个抛硬币的例子，H表示正面向上，T表示反面向上，参数θ表示正面朝上的概率。硬币有两个，A和B，硬币是有偏的。本次实验总共做了5组，每组随机选一个硬币，连续抛10次。如果知道每次抛的是哪个硬币，那么计算参数θ就非常简单了，如 下图所示： 如果不知道每次抛的是哪个硬币呢？那么，我们就需要用EM算法，基本步骤为：   1、给θ_AθA​和θ_BθB​一个初始值；   2、（E

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：188kb
    • 提供者：weixin_38659955
« 12 »