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. 源码Deep Learning with Theano

  2. Chapter 1, Theano Basics, helps the reader to reader learn main concepts of Theano to write code that can compile on different hardware architectures and optimize automatically complex mathematical objective functions. Chapter 2, Classifying Handwri

  3. 所属分类：深度学习

    • 发布日期：2018-08-06
    • 文件大小：1mb
    • 提供者：wang1062807258

  1. Machine-Learning-Challenge:创建能够对原始数据集中的候选系外行星进行分类的机器学习模型-源码

  2. 机器学习挑战 在深空太空中使用了九年，NASA开普勒太空望远镜一直在执行寻星任务，以发现我们太阳系之外的隐藏行星。 为了帮助处理这些数据，您将创建机器学习模型，该模型能够对原始数据集中的候选系外行星进行分类。 文件索引 随附以下文件： ：具有KNN分类器的模型1 ：具有Logistic回归的模型2 ：具有随机森林的模型3 ：转储的经过训练的模型文件 GridSearch用于优化模型参数 对于KNN模型： param_grid = { "n_neighbors" : r

  3. 所属分类：其它

  1. machine-learning-challenge:使用NASA的数据集进行机器学习模型告诉我，我的模型足以将新发现的物体归类为系外行星或不归类为系外行星-源码

  2. 机器学习的挑战 在我的机器学习模型中使用NASA的数据集告诉我，我的模型足以将新发现的物体归类为系外行星，而不是系外行星。

  3. 所属分类：其它

  1. machine-learning-challenge-源码

  2. 机器学习-系外行星探索 在深空太空中使用了九年，NASA开普勒太空望远镜一直在执行寻星任务，目的是发现我们太阳系之外的隐藏行星。 为了帮助处理这些数据，您将创建机器学习模型，该模型能够对原始数据集中的候选系外行星进行分类。 预处理数据 在拟合模型之前对数据集进行预处理。 执行功能选择并删除不必要的功能。 使用MinMaxScaler缩放数字数据。 注意：所有清除和分离数据的操作都在ETL.ipynb文件中完成。 这样一来，不必为每个模型重复执行步骤。 将数据分为训练和测试数据。 每种模型

  3. 所属分类：其它

  1. machine-learning-challenge-源码

  2. 机器学习的挑战

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：679kb
    • 提供者：weixin_42116604

  1. machine-learning-challenge:机器学习数据分析挑战赛训练营-源码

  2. 机器学习的挑战 机器学习数据分析挑战赛训练营

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：996kb
    • 提供者：weixin_42120563

  1. 机器学习的挑战-源码

  2. 机器学习作业-系外行星探索 在你开始之前 为此项目创建一个新的存储库，称为machine-learning-challenge 。 不要将此作业添加到现有存储库中。 将新的存储库克隆到您的计算机。 给每种型号选择自己的Jupyter笔记本，每个笔记本不要使用多个型号。 将最佳模型保存到文件中。 这将是用于测试您的准确性和用于评分的模型。 提交您的Jupyter笔记本和模型文件，并将其推送到GitHub。 笔记 请记住，此作业是可选的！ 但是，如果您完成测试和调整不同的分类模型，您将获得更

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：687kb
    • 提供者：weixin_42131352

  1. machine-learning-challenge-源码

  2. 机器学习作业-系外行星探索 在你开始之前 为此项目创建一个新的存储库，称为machine-learning-challenge 。 不要将此作业添加到现有存储库中。 将新的存储库克隆到您的计算机。 给每种型号选择自己的Jupyter笔记本，每个笔记本不要使用多个型号。 将最佳模型保存到文件中。 这将是用于测试您的准确性并用于评分的模型。 提交您的Jupyter笔记本和模型文件，并将其推送到GitHub。 笔记 请记住，此作业是可选的！ 但是，如果您完成测试和调整不同的分类模型，您将获得更

  3. 所属分类：其它

  1. machine-learning-challenge-源码

  2. 机器学习作业-系外行星探索 在你开始之前 为此项目创建一个新的存储库，称为machine-learning-challenge 。不要将此作业添加到现有存储库中。 将新的存储库克隆到您的计算机。 给每种型号选择自己的Jupyter笔记本，每个笔记本不要使用多个型号。 将最佳模型保存到文件中。这将是用于测试您的准确性并用于评分的模型。 提交您的Jupyter笔记本和模型文件，并将其推送到GitHub。 笔记 请记住，此作业是可选的！但是，如果您完成测试和调整不同的分类模型，您将获得更多的了解。 背

  3. 所属分类：其它

  1. machine-learning-challenge:系外行星探索-源码

  2. 机器学习的挑战 系外行星探索 开普勒太空天文台是NASA建造的一颗卫星，于2009年发射升空。该望远镜专门用于搜寻除我们自己之外的恒星系统中的系外行星，其最终目标是可能找到除了我们自己之外的其他宜居行星。由于机械故障，最初的任务于2013年结束，但自2014年以来，望远镜一直在执行“ K2”扩展任务。 截至2016年5月，开普勒已验证了1284颗新系外行星。截至2017年10月，共有3,000多种已确认的系外行星（使用所有探测方法，包括基于地面的探测方法）。望远镜仍处于活动状态，并继续收集其扩展

  3. 所属分类：其它