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. toolbox-1:精选的库列表可加快机器学习工作流程-源码

  2. 工具箱 精选库可加快工作流程 阶段：数据 注解 图片： 文字： ， 数据集 文本： ，， ， ， ， 图片： 数据集搜索引擎： ， 撷取资料 音频： 视频： 图片： 新闻： PDF：， 远程文件： 搜寻： ， ， Google表格： Google云端硬碟： 数据集的Python API： Google地图位置数据： 数据扩充 文字： 图片： ， ， 阶段：探索 资料准备 缺少值： 将图像拆分为训练/验证/测试： 班级不平衡： 在笔记本中进行实验 通过CLI查看Jupyt

  3. 所属分类：其它

  1. Linear-Regression-源码

  2. 线性回归：使用监督的ML（级别-初学者）进行预测 使用Python Scikit学习线性回归 在本节中，我们将了解如何将用于机器学习的Python Scikit-Learn库用于实现回归函数。我们将从涉及两个变量的简单线性回归开始。 使用Python Scikit学习线性回归 在本节中，我们将了解如何将用于机器学习的Python Scikit-Learn库用于实现回归函数。我们将从涉及两个变量的简单线性回归开始。 问题陈述 在此回归任务中，我们将根据学生学习的小时数来预测学生预期得分的百分比。这

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：13kb
    • 提供者：weixin_42110362

  1. pdata-源码

  2. 数据 用于数据分析和可视化的通用Python库。 模块概述 datagen ：根据概率分布生成模拟数据 dirstructure ：分析文件系统中的目录，并使用从文件名和目录结构中提取的数据构建Pandas数据dirstructure distributions ：概率分布的估计参数 ml ：基于Scikit-learn的机器学习任务的辅助功能 pdutils ：用于处理存储在Pandas数据pdutils的数据的实用程序 theanoutils ：用于创建和操作Theano / PyMC3对

  3. 所属分类：其它

  1. learn-tensorflow:TensorFlow官方文档教程-源码

  2. TensorFlow教程-Google官方文档 描述 在此版本中，我重新实现了TensorFlow教程，以掌握可用于实现深度神经网络以解决各种机器学习问题的概念和工具。 如果要检查官方网站，请单击。 概括 按照官方文档，我将内容分为主题和子主题，以便： 初学者 Keras的ML基础 基本图像分类 基本文字分类 使用TF Hub进行文本分类 回归 过拟合和欠拟合 保存并加载 使用Keras Tuner调整超参数 其他示例 加载和预处理数据 图片 CSV NumPy 熊猫.DataFrame

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：27kb
    • 提供者：weixin_42112685

  1. Recommendation-systems:推荐系统这是关于使用机器学习和深度学习技术建立推荐系统理论的研讨会-源码

  2. 推荐系统 推荐系统这是关于使用机器学习和深度学习技术构建推荐系统的研讨会 理论： ML和DL公式化，预测与排名，相似性，偏向与无偏 范例：基于内容，协作过滤，基于知识，混合和集成 数据：表格，图像，文本（序列） 型号：（深度）矩阵分解，自动编码器，宽和深度，等级学习，序列建模 方法：显式与隐式反馈，用户项矩阵，嵌入，卷积，递归，域信号：位置，时间，上下文，社交， 过程：设置，编码和嵌入，设计，训练和选择，服务和缩放，测量，测试和改进 工具： python-data-stack：numpy，p

  3. 所属分类：其它

  1. recommendation:使用ML和DL的推荐系统-源码

  2. 推荐系统 这是关于使用机器学习和深度学习技术构建推荐系统的研讨会 理论：ML和DL公式化，预测与排名，相似性，偏见与无偏见 范例：基于内容，协作过滤，基于知识，混合和集成 数据：表格，图像，文本（序列） 型号：（深度）矩阵分解，自动编码器，宽和深度，等级学习，序列建模 方法：显式与隐式反馈，用户项矩阵，嵌入，卷积，递归，域信号：位置，时间，上下文，社交， 过程：设置，编码和嵌入，设计，训练和选择，服务和缩放，测量，测试和改进 工具：python-data-stack：numpy，pandas

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：50mb
    • 提供者：weixin_42151305

  1. 机器学习算法：此存储库包含Jupyter笔记本，这些笔记本从零开始实现流行的ML算法-源码

  2. 机器学习算法 该存储库包含一系列Jupyter笔记本，这些笔记本从头开始实现常用的ML算法。 即，使用统计python软件包的限制。 它们部分基于我作为课程的一部分而开设的课程。 这些笔记本对我非常有用，有助于他们直观地了解这些算法的工作原理，以及使用scikit-learn和statsmodels之类的程序包时幕后发生的事情。 如上所示，我根据算法的类型将笔记本分为三个文件夹： 回归 聚类 其他：此文件夹包含用于二进制决策树和本地敏感度哈希（LSH）的笔记本。 这些笔记本中使用的数据可应

  3. 所属分类：其它

  1. ml上的动手书：使用Scikit-learn，Keras和Tensorflow，AurelionGéron进行的机器学习实践-源码

  2. ml上的动手书：使用Scikit-learn，Keras和Tensorflow，AurelionGéron进行的机器学习实践

  3. 所属分类：其它

  1. Learn-ml：学习机器学习-源码

  2. 学习机器学习 STEP.00： STEP.01： STEP.02： STEP.03： STEP.04： STEP.05：

  3. 所属分类：其它

  1. wineML：机器学习（ML）入门项目，归功于https：//elitedatascience.compython-machine-learning-tutorial-scikit-learn-源码

  2. wineML：机器学习（ML）入门项目，归功于https：//elitedatascience.compython-machine-learning-tutorial-scikit-learn

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：25kb
    • 提供者：weixin_42100032

  1. NimbusML：Python机器学习包，可在ML.NET和scikit-learn组件之间提供简单的互操作性-源码

  2. 雨云ML nimbusml是一个Python模块，为提供Python绑定。 ML.NET最初是由Microsoft Research开发的，并在Microsoft的许多产品组中使用，例如Windows，Bing，PowerPoint，Excel等。 nimbusml建立是为了使对Python更熟悉的数据科学团队能够利用ML.NET的功能和性能。 nimbusml支持培训ML.NET管道或将ML.NET组件直接集成到管道中。 它遵循现有的scikit-learn约定，允许nimbusml和s

  3. 所属分类：其它

  1. madpy-ml-sklearn-2018：MadPy监督机器学习讲座-源码

  2. 使用scikit-learn在Python中进行监督的机器学习 在Madison Python（MadPy）聚会中的“使用scikit-learn在Python中进行监督式机器学习”的材料。 幻灯片的实时版本可以在找到。 安装 生成幻灯片的依赖项为： numpy pandas jupyter scikit-learn mlxtend matplotlib graphviz 使用conda 可以通过以下方式创建安装了这些依赖项的conda环境： conda env create

  3. 所属分类：其它

  1. benchm-ml：用于二进制分类的顶级机器学习算法（随机森林，Rus，Python scikit-learn，H2O，xgboost，Spark MLlib等）的可扩展性，速度和准确性的最低基准。梯度增强树，深度神经网络等）-源码

  2. 用于分类的机器学习库的可伸缩性，速度和准确性的简单/有限/不完整基准 所有基准都是错误的，但有些是有用的 该项目旨在为一些机器学习算法的常用实现的可伸缩性，速度和准确性提供一个最低基准。 这项研究的目标是使用数字和分类输入（具有有限的基数，即不是很稀疏）并且没有丢失的数据进行二进制分类，这可能是业务应用程序中最常见的问题（例如，信用评分，欺诈检测或客户流失预测）。 如果输入矩阵的大小为n x p ，则n的变化范围为10K，100K，1M，10M，而p为〜1K（在将分类扩展为伪变量/一次编码后）。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：306kb
    • 提供者：weixin_42134537

  1. mleap：MLeap：将ML管道部署到生产中-源码

  2. 部署机器学习数据管道和算法不应是一项耗时或困难的任务。 MLeap允许数据科学家和工程师将机器学习管道从Spark和Scikit-learn部署到便携式格式和执行引擎。 文献资料 可从获得文档。 阅读以全面了解可能发生的情况。 介绍 使用MLeap执行引擎和序列化格式，我们为机器学习数据管道和算法提供了高性能，可移植且易于集成的生产库。 为了实现可移植性，我们在JVM上构建我们的软件，并且仅使用被广泛采用的序列化格式。 我们还提供与现有技术的高度集成。 我们对该项目的目标是： 允许研究

  3. 所属分类：其它

  1. ml-talk-adpushup：这是AdPushup上有关机器学习101：多元线性回归的介绍的一部分-源码

  2. ml-talk-adpushup 这是在举行的有关机器学习101：多元线性回归简介的演讲的。 它说明了实现线性回归的两种方法。 一种通过纯数学，另一种通过流行的Scikit-learn python库。 要求 参考书目 安装 只需克隆此仓库即可： python main.py 或者，您也可以签出Jupyter笔记本。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：582kb
    • 提供者：weixin_42168341

  1. ML-Scikit-Keras-TensorFlow：AurélienGéron撰写的“使用Scikit-Learn，Keras和TensorFlow进行动手机器学习”的注释和代码-源码

  2. ML-Scikit-Keras-TensorFlow：AurélienGéron撰写的“使用Scikit-Learn，Keras和TensorFlow进行动手机器学习”的注释和代码

  3. 所属分类：其它

  1. ml-algorithms-scikit-and-keras：Scikit-learn和Keras上机器学习算法的实现脚本，适合新手使用。-源码

  2. 使用Scikit的机器学习算法学习和学习 该存储库包含在Scikit-Learn中实现的各种机器学习算法。 在Scikit-Learn和Keras中实现了有监督，无监督，简单强化学习，自然语言处理中的情感分析，有监督的简单深度学习算法，降维，装袋，增强等机器学习算法。 Numpy，Pandas，Matplotlib教程笔记本文件中的Pdf及其实现。 监督学习算法 回归算法 线性回归 多元线性回归 多项式回归 支持向量机 决策树 随机森林 使用正则化评估回归模型 分类算法 逻辑回归 K最近邻居

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：27mb
    • 提供者：weixin_42138788

  1. docker-ml-python-sandbox：用于机器学习环境的Dockerfile（scikit-learn，chainer，gensim，tensorflow，jupyter）-源码

  2. 目的 此docker设置用于tring触摸和测试一些机器学习。 已安装的主要软件 Tensorflow 1.10.0 链接器4.3.1 PyTorch 0.4.1 Keras 2.2.2 锁链机RL 0.4.0 Scikit学习0.19.2 Gensim 3.5.0 脾气暴躁的1.14.5 熊猫0.23.4 Jupyter实验室0.33.10 Matplotlib 2.2.3 麦加布最新 朱曼++ 7.01 NLTK 3.3.0 和其他依赖库。 密码 请更新密码（以下为

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：121kb
    • 提供者：weixin_42099151

  1. MLclass：我的主要机器学习课程-源码

  2. ML类 我的机器学习课程的材料。 自2012年以来以英语或法语授予博士和/或硕士研究生。 描述 本课程通过一些关键算法提供了机器学习领域的发现。 尽管第一届会议试图涵盖机器学习技术的全部范围，但随后的会议将重点讨论“超学习”问题，并将从四个不同的角度（贝叶斯角度，线性分离，神经网络和集成方法）对算法进行分类。 。 所采用的方法将Python中的自愿动手实践与对该方法的理论和数学理解相结合。 在课程结束时，您将可以根据眼前的问题在ML算法的主要系列之间做出明智的选择。 您将了解每种方法系列的算法和

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：183mb
    • 提供者：weixin_42116650

  1. ml_webapp：探索机器学习模型。 利用scikit-learn的模型并通过API公开其行为-源码

  2. ML原型 面向所有人的机器学习 Django应用程序通过API公开scikit-learn的接口 更新：重构代码以动态获取用户在API中提到的模型类。 从理论上讲，现在可以对scikit learning中的所有模型进行测试。 产品特点 用户独立登录 仪表板，供用户管理模型 通过API训练和保存模型 通过API运行预测 安装 git clone https://github.com/ramansah/ml_webapp.git 在~/mysql.cnf为MySQL客户端配置凭据 [clien

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：712kb
    • 提供者：weixin_42135753
« 12 3 »