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. TITAN-源码

  2. TITAN（转录关联网络的主题推断） 概括 我们开发了TITAN（转录关联网络的主题推断），这是一种利用潜在狄利克雷分配（LDA）的无监督贝叶斯主题建模方法。 LDA可以在通常包含遗漏的词袋模型中推断稀疏数据，因此可以直接应用于单单元格数据。 在这里，潜在的转录网络被认为是“主题”，基因是单词，细胞是文档。 TITAN使用类似于cisTopic的方法，它将LDA与折叠的Gibbs采样相结合，以输出主题，这些主题通过与基因相关的得分分布以及与细胞相关的主题的得分分布而链接在一起。 通过分析基因组对

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：6291456
    • 提供者：weixin_42144086

  1. exoplanet-spectra-源码

  2. 机器学习对系外行星的分类 包装概述 generate_data.py 生成综合数据集 grid_search.py 超参数调整 classifier.py 所有分类器的父类。 容器功能，用于评估预测 机器学习算法 线性判别分析（LDA） K最近邻居（KNN） 分类和回归树（CART） 逻辑回归（LR） 朴素贝叶斯分类器（NB） 支持向量机（SVM） 随机森林（RF） 硬多数投票（HMV） 软多数投票（SMV）

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：10485760
    • 提供者：weixin_42130786

  1. TopicDiscovery-源码

  2. EL测试 项目状态：有效 项目介绍/目标 该项目的目的是探索运行一个无监督的学习模型，以学习有关IMDB评论的主题。 然后，发现的主题将用作监督学习的功能集。 “虚拟”假说：为了获得良好的评价，演员的表演比电影的故事情节更重要。 合作者 姓名 GitHub页面 史蒂夫·贝茨（Steve Betts） 使用方法 Gensim LDA 机器学习 ETC。 技术领域 Python 熊猫，朱庇特 信用 资料来源： ： 入门 克隆此仓库（有关帮助，请参阅本）。 输入数据来自[ ] 下载数据并

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：131072
    • 提供者：weixin_42138408

  1. 使用内核进行人脸识别的类特定判别词典学习

  2. 在过去的几年中，目视识别的基于稀疏表示的分类（SRC）表现令人印象深刻。 然而，由于每个类别中的训练样本对相应类别中的字典做出同等贡献，因此SRC技术可能会导致较高的残留误差和较差的性能。 这激发了班级专用词典学习算法的出现。 在本文中，我们提出了一种新颖的方法-在重现内核希尔伯特空间（KCSDL-LDA）中结合线性判别分析约束的类特定词典学习，该方法在多个方面对传统的类特定词典学习（CSDL）算法进行了修改和扩展。 首先，我们提出了一种新颖的特定于类的字典学习方案，该方案在生成该类中的字典时会

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：226304
    • 提供者：weixin_38627603

  1. 评价主题挖掘及其倾向性识别

  2. 主要研究如何从在线评论文本中挖掘产品的评价主题,并对其倾向性进行分析。首先采用一种启发式规则和共现概率统计相结合的方法识别文本集合中的名词性短语,再运用LDA模型挖掘潜在的评价主题。然后利用多特征融合的方法计算句子的倾向性,进而根据特征词群统计出各主题的倾向性结果。最后通过对网络汽车评论文本语料的实验证实了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：295936
    • 提供者：weixin_38538585

  1. ai-on-browser.github.io:这是一个您可以在浏览器中轻松试用AI的网站-源码

  2. 浏览器上的AI 抽象的 在此站点上，您可以轻松地在浏览器中试用AI。 特征 所有处理均在客户端Javascr ipt中完成。 代码的机器学习部分不使用任何外部库。 警告 该代码在速度，内存使用等方面都不实用。 楷模 任务 模型 聚类 k均值，k均值++，k中间值，x均值，LBG，ISODATA，模糊c均值，层次结构（完全链接，单链接，组平均值，沃德氏，质心，加权平均值，中位数），DIANA，均值漂移，DBSCAN，OPTICS，PAM，CLARA，CLARANS，BIRCH，CURE，潜在狄利

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：290816
    • 提供者：weixin_42165018

  1. ldaWebApi-源码

  2. LDA Web API LDA的Códigousado para la api de 终点 /别针 埃斯特·杜尔梅·卡达·西尔托·蒂姆波的演出和演出从平台上获取服务的即时消息，然后在网上下载您的网站，请点击这里，然后点击这里。 / lda Ruta para ejecutar LDA。 失去论据的儿子： 令牌：准许持证人的身份 迭代：航空航天局 模式：Modo para ejcutar LDA。 Este puede ser“ LDA”，“种子LDA”，“交互式LDA”或“种子和交互式LD

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：90112
    • 提供者：weixin_42164702

  1. ML-algorithm-源码

  2. 与ML相关的解决手写问题的算法 旨在解决仅要求手写的问题，可能不适用于计算。 当前列表： 欧氏距离/马氏距离 熵 余弦相似度3.1余弦距离3.2相关距离3.3 L2规范距离 主成分分析（PCA） 4.1协方差矩阵4.2特征值+版本4.3应用PCA 线性判别分析（LDA）5.1绘制数据5.2类均值和协方差矩阵5.3类内散布矩阵和类间散布矩阵5.4 LDA的广义特征值问题5.5投影向量 K均值 K型药物（PAM） MIN或Single Link /平均值 ε邻里 使用EM的模糊聚类 混淆矩阵

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：9216
    • 提供者：weixin_42151036

  1. dimension-reduction-algorithms:常用降维算法的复现和比较，包括LDA，QDA，PCA，MDS，Isomap，LLE-源码

  2. 降维算法 一，介绍 在高维层次下会出现数据样本稀疏，距离计算困难等问题，是所有机器学习方法面临的严峻考验，称为“维数灾难”（维数诅咒）。 ，即通过某种数学变换将数据映射到一个低维空间，在这个低维空间里，数据的密度大大地提高，距离计算更加容易。 二，分类 降维算法可以按照是否有监督，变换是否是线性的细分四类： 无监督的线性降维算法，某种 无监督的非线性降维算法，某些 ， ， ， 有监督的线性降维算法，某种 有监督的非线性降维算法（缺） 注意：此处线性指的是高维空间->低维空间是线性的。M

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_42118423
« 1 2 ... 45 46 47 48 49 50»