您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Coursera-ML-AndrewNg-master.zip

  2. 主要包括:线性回归、Logistic回归、决策树、支持向量机、朴素贝叶斯、K均值聚类、K近邻、PCA
  3. 所属分类:机器学习

    • 发布日期:2019-07-14
    • 文件大小:39mb
    • 提供者:qq_38197065
  1. ML:线性回归

  2. 什么是线性回归? 线性回归模型就是指因变量和自变量之间的关系是直线型的。类似于一元线性回归: 推荐链接:如何理解随机梯度下降 作者:zoe_cf
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:67kb
    • 提供者:weixin_38575118
  1. 计量经济学【econometric】–经典线性回归

  2. 计量经济学的组成: 经济理论+数学+统计推断; 计量经济学的定义: 实际经济现象的定量分析,利用数理统计分析经济数据,对于构建于数理经济学基础上的数学模型提供经验支持,并得出数量结果; 计量经济的主要作用: 验证经济理论、经济结构分析、经济政策评价、经济预测。 四个步骤: 模型设定(specification)、估计参数、模型检验、模型应用 模型设定 计量模型构成要素:变量、参数和随机扰动项; 估计参数 一般地,参数是未知的,不可直接观测。参数要通过样本数据,选择适当方法加以估计,如普通最小二乘
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:90kb
    • 提供者:weixin_38733787
  1. Pyspark的波士顿住房价格:Pyspark线性回归的波士顿住房价格-源码

  2. 波士顿房屋价格与Pyspark 使用PySpark和MLlib建立波士顿房价预测的线性回归 Apache Spark已成为机器学习和数据科学中最常用和受支持的开源工具之一。 该项目是使用Apache Spark的spark.ml线性回归预测波士顿房价的温和介绍。 目标是提出一个模型来预测该地区给定房屋的中位数。 数据源 我们的数据来自Kaggle竞赛:波士顿郊区的房屋价值。 链接: :
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:292kb
    • 提供者:weixin_42101237
  1. SE-ML-Algorithms-DataStruc:在软件工程与机器学习中尝试一些简单的练习,算法,数据结构和软件模式。 语言会有所不同,包括Python,Java,CC ++,R,Julia,Golang,Haskell,Scala,J

  2. ML算法: 线性回归 逻辑回归 朴素贝叶斯 知识网络 K均值 决策树 随机森林 支持向量机 ANN ....等 排序算法: 快速排序 气泡排序 合并排序 插入排序...等 数据结构和算法: Queue列 二叉树 链表 跳过清单 BFS,DFS ....等 DSP和多媒体技术: 快速傅立叶变换 小波 哈夫曼...等
  3. 所属分类:其它

    • 发布日期:2021-02-27
    • 文件大小:645kb
    • 提供者:weixin_42127775
  1. photon-ml:Apache Spark上的可扩展机器学习库-源码

  2. 光子机器学习(Photon ML) 查看我们的。 Photon ML是基于Apache Spark的机器学习库。 它最初是由LinkedIn机器学习算法团队开发的。 当前,Photon ML支持训练不同类型的(GLM)和(GLMM / GLMix模型):逻辑,线性和泊松。 特征 广义线性模型 线性回归 逻辑回归 泊松回归 GAME-广义加性混合效应 GAME算法使用坐标下降来扩展到传统的GLM之外,以进一步提供实体(每个用户,每个项目,每个国家等)的系数(在统计资料中也称为随机效应)。 它设
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:69mb
    • 提供者:weixin_42107165
  1. ML_Mini_Projects:Springboard的机器学习迷你项目-源码

  2. ML_Mini_Projects Springboard的机器学习迷你项目 该存储库包含四个由通用ML方法组成的机器学习微型项目。 以下是每个项目的简短说明: 线性回归:以波士顿住房数据为例说明线性回归模型。 Logistic回归:关于体重-身高数据的性别分类示例。 朴素贝叶斯:使用多项朴素贝叶斯对电影分级进行文本分析。 Clusternig:基于客户对营销能力的响应的K-Means算法,用于客户聚类。
  3. 所属分类:其它

  1. 使用Supervised-ML的预测:使用线性回归创建一个模型,该模型可以根据每天学习的小时数来预测学生的分数-源码

  2. 使用Supervised-ML的预测:使用线性回归创建一个模型,该模型可以根据每天学习的小时数来预测学生的分数
  3. 所属分类:其它

  1. -RijoyPaul08-THE_SPARKS_FOUNDATION_TASK-1:使用监督ML(线性回归模型)进行预测-源码

  2. -RijoyPaul08-THE_SPARKS_FOUNDATION_TASK-1 使用Supervises ML(线性回归模型)进行预测
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:55kb
    • 提供者:weixin_42164685
  1. MLModels:许多常见ML模型的自制实现,包括神经网络,逻辑线性回归-源码

  2. ML模型 许多常见ML模型的自制实现,包括神经网络,线性模型和决策树。 强调 MNIST基准 导入/获取数据 import numpy as np np . random . seed ( 0 ) import matplotlib . pyplot as plt % matplotlib inline from functools import reduce import neuralNet as nn import utils as u from torchvision import dat
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:555kb
    • 提供者:weixin_42098892
  1. 使用PyTorch进行深度学习:“使用PyTorch进行深度学习:零到GAN”-源码

  2. 使用PyTorch进行深度学习 “使用PyTorch进行深度学习:零到GAN”。 本课程由机器学习的项目管理和协作平台Jovian.ml教授。 教学大纲 该课程分为6个模块,将通过视频讲座和交互式Jupyter笔记本电脑进行为期6周的教学。 每个讲座将持续2个小时左右。 第1单元:PyTorch基础知识-张量和渐变 Jupyter笔记本简介和Python数据科学 在PyTorch中创建向量,矩阵和张量 张量运算和梯度计算 PyTorch与Numpy的互操作性 单元2:线性回归和梯度下降 使用T
  3. 所属分类:其它

  1. 使用Python进行简单线性回归:使用Python进行简单线性回归-源码

  2. 使用Python进行简单线性回归 在ML算法中,我们有: 监督学习 无监督学习 在监督学习中,我们有: 回归 分类 首先,我们讨论不同类型的回归。 线性回归 简单线性回归 多元线性回归 逻辑回归 套索回归 岭回归 在此存储库中,我们讨论简单线性回归 简单线性回归: It is applicable when relationship between input variable and output variable is linear, that is it should h
  3. 所属分类:其它

  1. Simple-ML-Models:采用梯度下降的简单ML模型的实践实现:线性回归,逻辑回归,softmax回归-源码

  2. 简单ML模型 练习实现具有梯度下降的简单ML模型:线性回归,逻辑回归,softmax回归,以softmax作为最后一层的mlp,决策树。
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:10kb
    • 提供者:weixin_42128015
  1. nba-player-ml:Full fledge Flask应用程序(Python),用户进入玩家并使用线性回归来预测该玩家在下个赛季的PPG-源码

  2. nba-player-ml 用户进入玩家并使用线性回归来预测玩家在下个赛季的PPG的Full fledge Flask应用(Python)。
  3. 所属分类:其它

  1. Awesome-ML:很棒的机器学习-源码

  2. 很棒的ML 很棒的机器学习资源和参考 “机器学习是使计算机像人类一样学习和行动的科学,并通过以观察和真实交互的形式向计算机提供数据和信息,从而随着时间的推移以自主方式改善其学习。” 目录 :high_voltage: 机器学习 监督下 :white_medium_star: 监督学习是一种方法,用于使机器能够根据输入到机器中的相关数据对对象,问题或情况进行分类。 (techopedia.com) 回归 Predict continuous values 线性回归 -Rohith Gand
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:12kb
    • 提供者:weixin_42099987
  1. ML-From-Scratch:从头开始学习机器。 机器学习模型和算法的裸露NumPy实现重点在于可访问性。 旨在涵盖从线性回归到深度学习的所有内容-源码

  2. 从零开始的机器学习 关于 从头开始一些基本机器学习模型和算法的Python实现。 该项目的目的不是要产生尽可能优化和计算高效的算法,而是以透明和可访问的方式展示它们的内部工作原理。 目录 安装 $ git clone https://github.com/eriklindernoren/ML-From-Scratch $ cd ML-From-Scratch $ python setup.py install 例子 多项式回归 $ python mlfromscratch/examples/p
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:107kb
    • 提供者:weixin_42128270
  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. 带DVC的可再现ML:带有DVC的机器学习项目的实验跟踪和可再现性教程-源码

  2. 建立 git clone gitgithub.com:curiousily/Reproducible-ML-with-DVC.git pipenv install --dev git checkout pre-dvc DVC 初始化DVC dvc init 并添加远程存储(在这种情况下为本地) dvc remote add -d localremote /tmp/dvc-storage 禁用分析(可选) dvc config core.analytics false 实验线性回归 建立资
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:22kb
    • 提供者:weixin_42118011
  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:45kb
    • 提供者:weixin_42164931
  1. 用scikit-learn和pandas学习线性回归的方法

  2. 对于想深入了解线性回归的童鞋,这里给出一个完整的例子,详细学完这个例子,对用scikit-learn来运行线性回归,评估模型不会有什么问题了。 1. 获取数据,定义问题 没有数据,当然没法研究机器学习啦。:) 这里我们用UCI大学公开的机器学习数据来跑线性回归。 数据的介绍在这:http://archive.ics.uci.edu/ml/datasets/Combined+Cycle+Power+Plant 数据的下载地址在这:http://archive.ics.uci.edu/ml/mach
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:113kb
    • 提供者:weixin_38638004
« 12 3 4 »