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. machine-learning:只是机器学习-源码

  2. 机器学习 用软体来简化做机器学习的过程 目前功能 运算 能够快速的使用逻辑回归（逻辑回归），SVM（支持向量机）来快速进行模型训练，不必与程序码进行交互。 输入资料 输出资料 型号（重量） ROC曲线 roc截止点值 预测结果（可加） 未来可加入选项 知识网络 LDA QDA 其他..... 参数说明 逻辑回归 运行内核：L-BFGS MaxIter最大迭代次数 最大迭代次数 λ（λ） 通过乘以正则项的值来调整其总体影响。 鼓励权重值接近0（但不完全是0） 鼓励权重的平均值接近0，

  3. 所属分类：其它

  1. An-Accurate-Prediction-of-MPG-Miles-Per-Gallon-using-Linear-Regression-Model-of-Machine-Learning:抽象的-源码

  2. 使用机器学习的线性回归模型对每加仑MPG英里数的准确预测 摘要：考虑到过去两个世纪以来汽车行业的发展，我们看到燃油价格不断上涨，客户对功能的要求越来越高，汽车制造商正在不断优化其流程以提高燃油效率。 但是，如果给定一些有关车辆的已知规格，如果您可以对汽车的MPG进行可靠的估算，那该怎么办？ 然后，您既可以拥有更理想的车辆，又可以提高效率，改善燃油经济性，并为消费者带来更多的需求和供应，则可以在市场上击败竞争对手。 我们正在实施机器学习来设计预测模型，并在过去的几年中（在MPG中）制造1到2辆汽车

  3. 所属分类：其它

  1. watson-openscale-samples:Watson Openscale样本资产，笔记本和应用程序-源码

  2. IBM Watson OpenScale教程 SDK详细信息： 其他资源： IBM云 教程1：使用Watson Machine Learning引擎 步骤1：使用Watson OpenScale创建信用风险预测模型，将其部署为Web服务并进行监视- 教程2：使用Azure Machine Learning Studio引擎 步骤1：数据集市的创建，模型部署监视和数据分析- 教程3：使用Azure机器学习服务引擎 步骤1：使用Azure服务和部署创建模型- 步骤2：创建数据集市，用于有效负

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：18mb
    • 提供者：weixin_42133861

  1. Demand-Forecasting-Models-for-Supply-Chain-Using-Statistical-and-Machine-Learning-Algorithms-源码

  2. 供应链使用统计和机器学习算法的需求预测模型

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：64kb
    • 提供者：weixin_42118056

  1. hagelslag:Hagelslag是基于对象的严重风暴危害预测系统-源码

  2. 黑格尔斯拉格 Hagelslag是基于对象的严重风暴预报系统，该系统利用图像处理和机器学习工具从对流允许的数值天气预报模型输出中得出严重危害的校准概率。 该软件包包含用于风暴识别和跟踪，时空数据提取以及机器学习模型训练的模块，以预测危险程度以及时空转换。 引文 如果您在研究中使用了黑格尔斯矿渣，请通过以下引用确认其用途： Gagne, D. J., A. McGovern, S. E. Haupt, R. A. Sobash, J. K. Williams, M. Xue, 2017: St

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：67mb
    • 提供者：weixin_42109598

  1. Machine-Learning-Credit-Analysis-Data-Science-源码

  2. 使用机器学习分类模型的信用分析 介绍 机器学习是当前的技术之一，并且在世界范围内都越来越重要。 它的应用是大规模实施和实施的，并且是一场革命。 该项目旨在分享有关在信用分析中使用机器学习的一些知识。 模型的实现很直接。 顺便说一句，就像任何机器学习应用程序一样，遵循了关键步骤。 他们来了： 1）业务问题： 信用分析是这里和所有部门背后以及每个金融机构都熟悉的一个大想法。 如何防止有人成为债务人？ 如何确定是否有很大的机会投资任何人的梦想？ 这是一些需要回答的相关问题。 2）收集数据：

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：212kb
    • 提供者：weixin_42127369

  1. Machine-Learning-Easy-源码

  2. 易于机器学习 人力资源分析：数据科学家的工作变动-预测谁将转到新工作 步骤1.库导入 步骤2.读取数据 步骤3. EDA 步骤3-1。 EDA-可视化| 数值列 步骤3-2。 EDA-可视化| 分类栏 步骤4.训练和验证集 步骤5.模型 步骤6.验证数据的准确性측정

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：16mb
    • 提供者：weixin_42106765

  1. Machine-Learning-源码

  2. Python机器学习 本节中的两个项目应用了常用的机器学习技能，例如K均值聚类和随机森林。 使用这些技能，我能够在现实生活中使用预测模型。 谢谢！

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：524kb
    • 提供者：weixin_42105169

  1. Machine-Learning:机器学习模型预测-源码

  2. 检查分支以查看更多项目

  3. 所属分类：其它

  1. machine-learning-about-online-debt-:通过机器学习对在线债务的信用风险进行分析-源码

  2. 基于机器学习算法的网络信用风险评估 通过机器学习在线债务的信用风险分析 项目简介 项目初步利用机器学习算法，试图通过对网贷平台现有数据的分析，对借贷交易进行预测，判断引用客户违约约还款的可能性，为相关网络平台提供方案，从而减少平台与客户的潜在损失，维护网络贷款交易的安全性。 首先使用Python的爬虫从P2P网贷平台上获取了1726条借贷数据，其中违约数据571条，未违约数据1155条。接着使用了决策树，支持向量机，线性判别分析来处理网贷违约与否的二分类问题，和创新性的对线性判别分析法进行了改进

  3. 所属分类：其它

  1. Machine-learning-Ann:机器学习算法和Cnn模型开发-源码

  2. 机器学习安 机器学习算法和Ann模型开发。 -使用各种经典机器算法开发和预测模型。 -使用Ann模型估算交易。 接口实例 接口示例2

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：176kb
    • 提供者：weixin_42165712

  1. Machine-Learning-w-MNIST：使用MNIST数据集的机器学习模型-源码

  2. 使用MNIST数据集的机器学习模型 KNN是一种简单，易于实现的有监督的机器学习算法，可用于解决分类和回归问题。 但是请记住，KNN的主要缺点是随着数据量的增加，它会变得非常慢，这使得它在需要快速做出预测的环境中是不切实际的选择。 这是一本笔记本，展示了如何训练ML模型以及如何使用KNN算法识别手写数字。 默认参数来自sklearn，经过测试k =2。这是一个正在进行的工作，请随时进行改进。 我将再添加两个模型，即SVM和Random Forest，以查看是否有可能进行改进（很可能是这种情况

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：12mb
    • 提供者：weixin_42149153

  1. stadsarchief-machine-learning：机器学习训练以及stadsarchief扫描和元数据的预测-源码

  2. 机器学习战略 这是开始使用机器学习来解释宝石中各种数据源的方法。 当前状态正在进行中，其特定目的是对Stadsarchief中的Bouwdossiers进行分类。 快速开始 既可以训练新模型，又可以使用结果模型来获得新输入的预测。 0.安装 在虚拟环境中安装requirements/requirements.txt 。 为了支持GPU，请安装tensorflow-gpu而不是tensorflow 。 培训实际上需要GPU支持。 否则会花费很多时间。 1.训练新模型 仍然可以使用以下方法来训练模

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：402kb
    • 提供者：weixin_42116604

  1. Capstone-Project-Azure-Machine-Learning-Engineer-源码

  2. Udacity中Azure机器学习工程师Nanodegree的Capstone项目 该项目是Udacity的Nanodegree的“ Microsoft Azure机器学习工程师”的基本项目。 在这个项目中，我们将选择一个公共的外部数据集。 该数据集将用于通过1）自动ML 2）Hyperdrive训练模型。 之后，我们将比较这两种不同算法的性能并部署最佳模型。 最后，产生的端点将用于获得有关预测的一些答案。 项目设置与安装 可选：如果您的项目有任何特殊的安装步骤，则应在此处放置它。 要将这个项目

  3. 所属分类：其它

  1. machine-learning-flask-api-skeloton：基于Flask架构将机器学习预测公开为API的骨架-源码

  2. 机器学习Flask API框架 要求 docker version 19.03.8 docker-compose version 1.25.5 构建并运行骨架 克隆此存储库git clone https://github.com/masteropen/machine-learning-flask-api-skeloton.git （可选）自定义.env文件，并最终变量WORKDIR在Dockerfile到容器下符合自己的项目目录名。 （可选）如果你改变CONTAINER_FLASK_POR

  3. 所属分类：其它

  1. example-health-machine-learning：此代码模式向您展示如何使用综合的患者健康记录来训练机器学习模型以预测2型糖尿病-源码

  2. example-health-machine-learning：此代码模式向您展示如何使用综合的患者健康记录来训练机器学习模型以预测2型糖尿病

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：401kb
    • 提供者：weixin_42160645

  1. datacamp-machine-learning-scikit-learn：作为DataCamp的“使用Python的机器学习Track”轨迹的一部分，我所做的所有工作-源码

  2. 1-监督学习 在本课程中，您将学习如何使用Python执行监督学习，这是机器学习的重要组成部分。 您将学习如何建立预测模型，如何调整其参数，以及如何在使用现实世界数据集的同时始终了解未见数据的性能。 您将使用scikit-learn进行此操作，这是Python最受欢迎和用户友好的机器学习库之一。 Jupyter笔记本 2-无监督学习 无监督学习涵盖了机器学习中的各种技术，从聚类到降维再到矩阵分解。 在本课程中，您将学习无监督学习的基础知识，并使用scikit-learn和scipy实现基本算法。

  3. 所属分类：其它

  1. hivemq-mqtt-tensorflow-kafka-real-iot-machine-learning-training-inference：带有HiveMQ（MQTT），TensorFlow IO和Apache Kafka的实时大数

  2. 使用HiveMQ，Apache Kafka和TensorFLow从100000个IoT设备进行大规模流式机器学习 如果您只是想开始并在几分钟内快速启动演示，请转到入门以设置基础结构（在GCP上）并运行演示。 您还可以通过现场演示观看20分钟的录像：。 还有一篇博客文章，详细介绍。 动机：大规模演示物联网场景 您想看到一个大规模的物联网示例​​吗？ 不仅是100或1000个设备都在生成数据，而且是一个真正可扩展的演示，它每秒从数万个设备中发送数百万条消息？ 这是适合您的演示！ 该演示展示了如

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：23mb
    • 提供者：weixin_42108778

  1. kafka-streams-machine-learning-examples：此项目包含一些示例，这些示例演示了如何利用Apache Kafka及其Streams API将分析模型部署到关键任务，可扩展的生产环境中。 使用Python，H

  2. 机器学习+ Kafka Streams示例 该项目包含一些示例，这些示例演示了如何利用及其将分析模型部署到关键任务，可扩展的生产中。 示例将包括使用TensorFlow，Keras，H2O，Python，DeepLearning4J和其他技术构建的分析模型。 材料（博客文章，幻灯片，视频） 如果您想阅读和聆听理论而不是动手实践，那么这里有一些有关该主题的材料： 博客文章： 幻灯片： 幻灯片： 视频录制： 博客文章： 博客文章： 博客文章： 用例和技术 以下示例已经可用，包括单元测试

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：52mb
    • 提供者：weixin_42139429

  1. Machine-Learning:机器学习概述-源码

  2. 机器学习 在此回购中，简要概述了重要的机器学习算法。 内容 机器学习是一种使分析模型构建自动化的数据分析方法。 机器学习专注于从经验中学习并随着时间的推移提高其决策或预测准确性的应用程序。 它是人工智能的一个分支，其基础是系统可以从数据中学习，识别模式并以最少的人工干预做出决策。 机器学习的工作原理 构建机器学习应用程序（或模型）有四个基本步骤。 这些通常由数据科学家与正在为其开发模型的业务专业人员紧密合作来执行。 步骤1：选择并准备训练数据集 训练数据是用于解决潜在问题的数据集。 可以对训练数

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：305kb
    • 提供者：weixin_42116713
« 12 »