您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. sagemaker-spark:Amazon SageMaker的Spark库-源码

  2. 贤者之星 SageMaker Spark是开源Spark库。 使用SageMaker Spark,您可以使用Amazon SageMaker阶段构建Spark ML Pipeline 。 这些管道交错了本机Spark ML阶段以及与SageMaker培训和模型托管进行交互的阶段。 随着SageMaker星火,你可以在亚马逊SageMaker从星火培训DataFrame S使用亚马逊提供的ML算法,如K-均值聚类或XGBoost,并作出预测的DataFrame对阵SageMaker端点托管您训
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42176827
  1. kmeans_pytorch:使用PyTorch的kmeans-源码

  2. 使用PyTorch的K均值 kmeans的PyTorch实现以利用GPU 入门 import torch import numpy as np from kmeans_pytorch import kmeans # data data_size, dims, num_clusters = 1000, 2, 3 x = np.random.randn(data_size, dims) / 6 x = torch.from_numpy(x) # kmeans cluster_ids_x, clust
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:984064
    • 提供者:weixin_42110533
  1. ML-Predictions:机器学习引擎使用回归功能在给定任何数据集的情况下生成预测-源码

  2. 机器学习-预测 Travic CI构建状态: 目录 第0章-关于 机器学习引擎使用回归在给定任何数据集的情况下生成预测。 技术:预测算法熊猫数据框相似度度量matplotlib根均值平方误差度量多元模型scipy scikit-learn超参数优化交叉验证aws-lambda线性回归knn回归logistic回归单元测试连续积分二进制分类k均值聚类相关sklearn多分类 由于我们要通过使用选定的训练/测试验证基于选定的训练特征列表来预测给定数据集的选定目标特征(列)的特定最佳数值,因此使用回
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42168830
  1. mlpy:使用Python进行机器学习的亲身实践研讨会-源码

  2. 快速开始 研讨会代码可在。 您可以通过单击“启动活页夹”按钮在云中运行笔记本(无需安装): 为什么 对于那些难以开始使用Python进行机器学习的人 描述 该动手实践研讨会基于 了解如何从有监督和无监督的学习开始,以发现见解并预测未来趋势。 研讨会将涵盖以下核心主题: 应用领域 有监督与无监督学习 预测 机器学习的应用 用于机器学习的Python库 有监督与无监督学习 线性回归 非线性回归 评价 线性回归 非线性回归 模型评估方法 K最近邻居 决策树 逻辑回归 K最近邻居 决策树
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:108003328
    • 提供者:weixin_42181693
  1. 机器学习:Python和R中的基本ML概念-源码

  2. 机器学习 我将尝试在Python和R中实现以下每个部分。 数据集属于超级数据科学( ) 涉及的主题 回归 简单线性回归 多项式回归 森林随机回归 分类 K最近邻居 支持向量机 朴素贝叶斯 决策树分类 随机森林分类 聚类 K均值聚类 关联规则学习 强化学习 深度学习 降维 选型与提升
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:443392
    • 提供者:weixin_42131890
  1. strava-wind-analysis-ml:Strava Wind Analysis网站的机器学习后端-源码

  2. Strava风分析-ML后端 RESTful API的目的是对循环数据执行机器学习分析。 该服务器为时间-速度图提供基本的普通线性回归,并使用k-均值为聚集行驶速度-距离图提供聚类。 风相关确定算法 机器学习还支持确定风的相关性。 首先,标准化是在历史上的努力基础上进行的,以防止随着时间的推移,数据因运动员的进步或恶化而被歪曲。 之后,对包括风速,风向在内的多个特征执行回归。 最后,它采用通过从Node服务器计算的矢量操纵算法确定的后处理相关性。 神经网络和多元线性回归模型 较新的风速相关性确
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:46080
    • 提供者:weixin_42164931
  1. 机器学习-源码

  2. 机器学习 机器学习 德克萨斯州达拉斯大学(UTD)的Nicholas Ruozzi教授将其作为机器学习课程(CS 6375)的一部分实施。 实现了不同的机器学习模型,例如 梯度下降(线性回归) 随机梯度下降 支持向量机(二次编程)用于二进制分类 分类决策树 装袋 助推 具有松弛功能的双SVM 原始松弛 K最近邻居 K均值聚类 光谱聚类 朴素贝叶斯用于分类 朴素贝叶斯,概率分布采样
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:220160
    • 提供者:weixin_42174176
  1. 一种改进的单帧磁共振图像超分辨率算法

  2. 医学图像处理是图像处理领域的重点和难点,细节丰富的清晰图像有助于协助专家和计算机辅助诊断。针对磁共振医学图像的特点,提出一种结合小波特征和聚类字典的单帧超分辨率重建方法。在训练阶段,首先分别提取低分辨率图像的多尺度小波特征和高分辨率图像的高频特征,将高低分辨率特征图重叠分块,然后利用K均值算法将特征块聚类,使用K奇异值分解分别训练每一类特征块的高低分辨率字典,形成映射关系;在重建阶段,提取低分辨率图像特征块并分类,使用该类字典原子进行重建。最后,引入迭代反投影算法进行后处理,以进一步提高重建质量
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:6291456
    • 提供者:weixin_38623366
  1. 陶瓷基复合材料的太赫兹无损检测方法

  2. 提出了一种时频域多模式新光谱成像方法, 对内含缺陷的4种陶瓷基复合材料(CMC)样本实现了无损检测, 形成了检测样本的太赫兹图像库, 并引入5个图像质量的客观综合评价指标, 通过指标融合处理选出了质量较佳的太赫兹图像。基于尺度不变特征变换与K均值聚类实现了该图像的检索。实验结果证实, 该方法可有效地对CMC不同位置处的不同宽度缺陷进行成像检测。
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:14680064
    • 提供者:weixin_38708105
  1. Python实现爬取网络评论与自然语言处理——NLPCA

  2. 用requests爬取Quora评论文字回答的网络爬虫 用texthero和matplotlib向量化文字,分析与可视化(文字云、pca、k-均值聚类等)的工具 导入到pycharm就好啦!
  3. 所属分类:Python

    • 发布日期:2021-02-03
    • 文件大小:126877696
    • 提供者:EricFrenzy
  1. 航空影像辅助的机载LiDAR植被点云分类

  2. 针对从非地面点云数据中难以自动分类植被和建筑物的问题,提出一种航空影像辅助的机载LiDAR(Light Detection and Ranging)植被点云分类方法。根据植被的光谱特征明显不同于其他地物这一特点,在生成数字正射影像的基础上,首先利用K均值(K-means)聚类算法对影像进行聚类和图像增强,然后将增强后的影像和对应区域的点云数据进行融合,最后通过影像处理结果对机载LiDAR植被点云进行分类。选取某城市的机载LiDAR植被点云数据和航空影像进行实验,定量分析结果显示所提方法的总分类精
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:5242880
    • 提供者:weixin_38559992
  1. 微笑:统计机器智能和学习引擎-源码

  2. 微笑 是Java和Scala中快速而全面的机器学习,NLP,线性代数,图形,插值和可视化系统。 凭借先进的数据结构和算法,Smile可提供最先进的性能。 Smile的文献记录丰富,请查看项目以获取编程指南和更多信息。 Smile涵盖了机器学习的各个方面,包括分类,回归,聚类,关联规则挖掘,特征选择,流形学习,多维缩放,遗传算法,缺失值插补,有效的最近邻搜索等。 Smile实现以下主要的机器学习算法: 分类:支持向量机,决策树,AdaBoost,梯度提升,随机森林,逻辑回归,神经网络,RB
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:109051904
    • 提供者:weixin_42132352
  1. texthero:从零到英雄的文本预处理,表示和可视化-源码

  2. 从零到英雄的文本预处理,表示和可视化。 •••• •• 从零到英雄 Texthero是一个Python工具箱,可快速轻松地处理基于文本的数据集。 Texthero非常简单易学,可以在熊猫上使用。 Texthero具有与Pandas相同的表现力和力量,并有大量文献记载。 Texthero是现代的,是为2020年代的程序员设计的,几乎没有语言方面的知识。 您可以将Texthero视为帮助您理解和使用基于文本的数据集的工具。 给定表格数据集,很容易掌握主要概念。 相反,在给定文本数据集的情况下,
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:23068672
    • 提供者:weixin_42144707
  1. tf-estimator-tutorials:该存储库包括有关如何使用TensorFlow estimator API以系统化和标准化的方式执行各种ML任务的教程-源码

  2. TensorFlow Estimator API教程 建立 如果需要设置环境的帮助,请按照安装中的指示进行。 这些教程使用TF估计器API涵盖: 各种ML任务,目前涉及: 分类 回归 聚类(k均值) 时间序列分析(AR模型) 降维(自动编码) 序列模型(RNN和LSTM) 图像分析(用于图像分类的CNN) 文本分析(带有嵌入,CNN和RNN的文本分类) 如何使用固定估计器训练ML模型。 如何使用tf.Transform进行预处理和特征工程(TF v1.7) 实施TensorF
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:11534336
    • 提供者:weixin_42160424
  1. 使用Python进行机器学习:用于理解核心概念的小型机器学习项目。 给星星:glowing_star:如果有帮助的话。 奖金:面试银行来了..!-源码

  2. Python机器学习 小型机器学习项目,以了解核心概念(顺序:从最早到最新) 使用带有新闻组20数据集的潜在Dirichlet分配进行主题建模,并使用Python和Scikit-Learn实现 在MNIST数据集上实现了用Keras构建的简单神经网络 使用线性回归的Google股票价格预测 实现了一个简单的社交网络来学习Python基础 实施Naives Bayes分类器以过滤SpamAssasin公共语料库上的垃圾邮件 使用Keras和Scikit-Learn的银行数据集的客户流失预测模型
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:751616
    • 提供者:weixin_42109545
  1. Food-Recipe-CNN:使用深度卷积神经网络将食物图像转化为食谱-源码

  2. 用于烹饪食谱检索的深度学习食物图像识别系统 演示:DeepChef 总览 更新:博客文章现已发布。 有关更多信息,请访问! 例如用法,请访问此Jupyter Notebook: Maturaarbeit 2018:这项工作利用Keras的深度卷积神经网络将图像分类为230种食物并输出匹配的食谱。 数据集包含来自chefkoch.de的> 400'000食物图像和> 300'000食谱。 几乎没有任何其他领域能像营养一样对人类福祉产生类似的影响。 每天,用户都会在社交网络上发布无数的
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:208666624
    • 提供者:weixin_42129005
  1. pqkmeans:快速且内存高效的群集-源码

  2. PQk均值 | | 同时使用k均值和PQk均值的2D示例 大规模评估 是一个Python库,用于对大型数据进行有效的聚类。 通过首先将输入向量压缩为短乘积量化(PQ)码,PQk-means可以实现快速且高效存储的聚类,即使对于高维向量也是如此。 与k-means相似,PQk-means重复分配和更新步骤,二者均可以在PQ代码域中执行。 为了进行比较,我们提供了用于二进制转换的ITQ编码和用于二进制代码聚类的 。 该库使用C ++编写,用于主要算法以及Python的包装程序。 所有编码/群集
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:468992
    • 提供者:weixin_42135073
  1. spherecluster:单位球面的聚类例程-源码

  2. 在scikit-learn中的单元超球面上聚类 演算法 此软件包实现了scikit-learn的Banerjee等人在JMLR 2005 概述的三种算法。 球形K均值(spkmeans) 球形K均值与常规K均值的不同之处在于,它在每个最大化步骤结束时(即归一化质心)将估计的聚类质心投影到单位球体上。 冯·米塞斯·费舍尔分布(movMF)的混合 就像通过均值和方差来参数化高斯分布一样,具有均值方向$\mu$和浓度参数$\kappa$ 。 从vMF分布得出的每个点$x_i$和平均方向$\|\m
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:917504
    • 提供者:weixin_42109545
  1. 机器学习:机器学习-源码

  2. 机器学习 机器学习 德克萨斯州达拉斯大学(UTD)的Nicholas Ruozzi教授将其作为机器学习课程(CS 6375)的一部分实施。 实现了不同的机器学习模型,例如 梯度下降(线性回归) 随机梯度下降 支持向量机(二次编程)用于二进制分类 分类决策树 装袋 助推 具有松弛功能的双SVM 原始松弛 K最近邻居 K均值聚类 光谱聚类 朴素贝叶斯用于分类 朴素贝叶斯,概率分布采样 混合模型
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:223232
    • 提供者:weixin_42134338
  1. mltool:机器学习工具箱-源码

  2. 机器学习工具箱 支持的方法和问题 监督学习 回归问题 正态方程 使用最小二乘法的线性回归。 分类问题 Softmax分类器; 多SVM分类器; 逻辑回归 神经网络,请参阅下面的详细信息。 无监督学习 主成分分析(降维问题); K均值(聚类)。 神经网络 激活:ReLu,Tanh,Sigmoid; 损失函数:Softmax,Multi SVM,物流。 用法 OS X / macOS先决条件设置 使用: brew install pkg-config gsl 要么 使用 : sudo p
  3. 所属分类:其它

    • 发布日期:2021-02-02
    • 文件大小:254976
    • 提供者:weixin_42144201
« 1 2 ... 45 46 47 48 49 50»