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 Logistic regression

  2. 机器学习LR分类器算法的Python实现，博文参考 http://blog.csdn.net/suipingsp/article/details/41822313

  3. 所属分类：Python

    • 发布日期：2014-12-09
    • 文件大小：18kb
    • 提供者：suipingsp

  1. 基于Python+Theano实现的逻辑回归LR(附详细注释)

  2. 基于Python+Theano实现的逻辑回归，内附有详细注释，尽可能的让你看懂每一个变量每一个函数的功能。

  3. 所属分类：Python

    • 发布日期：2015-10-10
    • 文件大小：19kb
    • 提供者：niuwei22007

  1. LR（1）文法python实现

  2. 包含简单界面，代码注释完全，使用python语言实现，实现了LR（1）文法

  3. 所属分类：Python

    • 发布日期：2019-07-23
    • 文件大小：23kb
    • 提供者：my_love_snow

  1. LR模型的Python实现

  2. BAT算法工程师深入详细地讲解LR模型的Python实现，带你轻松入门机器学习!

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：114mb
    • 提供者：weixin_45246409

  1. 小白入门篇使用Python搭建点击率预估模型

  2. 本文将从零开始，仅仅利用基础的numpy库，使用Python实现一个最简单的神经网络(或者说是简易的LR，因为LR就是一个单层的神经网络)，解决一个点击率预估的问题。感兴趣的朋友跟随小白一起看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：245kb
    • 提供者：weixin_38690402

  1. Python使用sklearn库实现的各种分类算法简单应用小结

  2. 主要介绍了Python使用sklearn库实现的各种分类算法,结合实例形式分析了Python使用sklearn库实现的KNN、SVM、LR、决策树、随机森林等算法实现技巧,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：43kb
    • 提供者：weixin_38645208

  1. python实现多层感知器

  2. 写了个多层感知器，用bp梯度下降更新，拟合正弦曲线，效果凑合。 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt def sigmod(z): return 1.0 / (1.0 + np.exp(-z)) class mlp(object): def __init__(self, lr=0.1, lda=0.0, te=1e-5, epoch=100, size=None): self

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：51kb
    • 提供者：weixin_38535812

  1. 小白入门篇使用Python搭建点击率预估模型

  2. 点击率预估模型 0.前言 本篇是一个基础机器学习入门篇文章，帮助我们熟悉机器学习中的神经网络结构与使用。 日常中习惯于使用Python各种成熟的机器学习工具包，例如sklearn、TensorFlow等等，来快速搭建各种各样的机器学习模型来解决各种业务问题。 本文将从零开始，仅仅利用基础的numpy库，使用Python实现一个最简单的神经网络(或者说是简易的LR，因为LR就是一个单层的神经网络)，解决一个点击率预估的问题。 1.假设一个业务场景 声明：为了简单起见，下面的一切设定从简…. 定义需

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：246kb
    • 提供者：weixin_38675969

  1. Pytorch 实现冻结指定卷积层的参数

  2. python代码 for i, para in enumerate(self._net.module.features.parameters()): if i < 16: para.requires_grad = False else: para.requires_grad = True # Solver. # self._solver = torch.optim.SGD( # self._net

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：30kb
    • 提供者：weixin_38749268

  1. python机器学习算法（赵志勇）学习笔记( Logistic Regression，LR模型)

  2. Logistic Regression（逻辑回归） 分类算法是典型的监督学习，分类算法通过对训练样本的学习，得到从样本特征到样本的标签之间的映射关系，也被称为假设函数，之后可利用该假设函数对新数据进行分类。 通过训练数据中的正负样本，学习样本特征到样本标签之间的假设函数，Logistic Regression算法是典型的线性分类器，有算法复杂度低、容易实现等特点。 Logistic Regression模型 线性可分和线性不可分 对于一个分类问题，通常可以分为线性可分与线性不可分两种。如果一个分

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：708kb
    • 提供者：weixin_38581455

  1. 手推BP算法及python实现

  2. 画图和编辑公式实在是太麻烦了，我就写在纸上吧 一、BP推导 一个简单的神经网络： 正向传播： 1.输入层—->隐含层： 这里我们要把得到的值通过sigmoid激活一下： 2.隐含层—->输出层：同理 这样我们就得到了输出值out(o1)和out(o2)，此时这两个输出值和我们预想的输出值肯定相差甚远（可以自己设定几个数试一试）那么我们就要进行反向传播来修正w以此来修正输出值。 反向传播： 1.我们所期望的数据和输出数据的误差： 2.隐含层—->输出层的权值更新： 以w

  3. 所属分类：其它

  1. 【BERT系列】——命名实体识别

  2. 本文是BERT实战的第二篇，使用BERT进行命名实体识别（序列标注类任务）。 1. 准备 1.1 环境 python 3.7； pytorch 1.3； transformers 2.3 （安装教程）； 1.2 数据 数据链接（链接：https://pan.baidu.com/s/1spwmV3_07U0HA9mlde2wMg 提取码：reic）； 2. 实战 2.1 训练代码 lr = 5e-5 max_length = 256 batch_size = 8 epoches = 20 cud

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：34kb
    • 提供者：weixin_38750406

  1. optimizers:实现在测试功能上运行的各种优化程序以进行优化-源码

  2. 优化器 使用Python和数值库的各种优化算法的实现。 该存储库可作为本文中使用的可视化和评估的来源。 任务清单 动量的随机梯度下降（ ） AdaGrad（ ） AdaDelta（ D.Zeiler ） RMSProp（ ） 亚当（亚当（ ） NAdam（多扎特（ ）） AMSGrad（ ） 实作 在查看每种算法的完整源代码。 1.具有动量的随机梯度下降 def step ( self , x , y ): g_t = self . func . df ( x ,

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：164mb
    • 提供者：weixin_42121905

  1. pytorch--SENet:挤压与激励网络的重新实现-源码

  2. ### Squeeze-和-Excitation Networks实施（pytorch） 为了训练 python main.py # argparser Default --print_freq 32 --save_dir ./save_model/ --save_every 10 --lr 0.1 --weight_decay 1e-4 --momentum 0.9 --Epoch 80 --batch_size 128 --test_batch_size 100 --cutout Tr

  3. 所属分类：其它

  1. pytorch-lr-dropout:PyTorch中的“学习率下降”-源码

  2. pytorch-lr辍学 该仓库包含Lin等人在论文“ ”中提出的学习率下降的PyTorch实现。 要使用本文的超参数在CIFAR-10上训练ResNet34模型，请执行 python main.py --lr=.1 --lr_dropout_rate=0.5 原始代码来自回购。 它使用记录指标。 此实现不添加标准辍学。 初步结果 香草方法来自pytorch-cifar ：SGD的lr=.1, momentum=.9, weight_decay=5e-4, batch_size=128 。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：72kb
    • 提供者：weixin_42130889

  1. Learning-Rate-Dropout:Pytorch实现学习率下降-源码

  2. 学习率下降 Pytorch实现学习率下降。 论文链接： : 为Cifar10训练ResNet-34： 跑： python main.py --model=resnet --optim=adam_lrd --lr=0.001 --LRD_p=0.5 python main.py --model=resnet --optim=adam --lr=0.001 python main.py --model=resnet --optim=sgd_lrd --lr=0.1 --LRD_p=0.5

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：188kb
    • 提供者：weixin_42166623

  1. 767最终IR-源码

  2. 767最终IR COMP 767最终项目 Alex Hoffman和Nikhil Podila 麦吉尔大学 我们从创建了重要性重采样算法的Python实现 我们还尝试了在重采样算法中添加优先体验重播 该代码需要以下软件包：numpy，gym，tensorflow，matplotlib。 如果使用anaconda，则可以通过pip install或conda install进行安装。 运行文件“ OffPolicyAgent_testing.py”将生成图，具体取决于在文件底部注释掉的函数。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：107kb
    • 提供者：weixin_42157188

  1. 抗议检测暴力估计：社交媒体图像中的抗议活动检测和感知暴力估计中使用的模型的实现（ACM Multimedia 2017）-源码

  2. 社交媒体图像中的抗议活动检测和感知暴力估计 ， ， 的论文《从社交媒体图像进行抗议活动检测和暴力估计（ACM多媒体，2017年） 使用的模型的实现。 要求 用法 训练 python train.py --data_dir UCLA-protest/ --batch_size 32 --lr 0.002 --print_freq 100 --epochs 100 --cuda 评价 python pred.py --img_dir path/to/some/image/directory/

  3. 所属分类：其它

  1. C--编译器：C--编译器，实现LL（1）\ LR（0）\ SLR \ LR（1）并生成语义分析和MIPS-源码

  2. 实现了自制的C--语言的一遍扫描编译，包括词法分析，LR（1）语法分析，属性文法+中间代码生成，MIPS编译生成编译脚本由Python实现，兼容python2.7与3.7，图形界面由WPF实现，使用了IronPython进行脚本执行 支持以下特性： 一种基本类型int 赋值表达式，循环/选择/判断/跳出语句 函数定义与函数调用 未实现： 浮点数，字符，字符串 斑点 错误检查

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：24mb
    • 提供者：weixin_42134285

  1. Pytomata:在LR自动机上使用图遍历的上下文无关语言的测试用例生成器-源码

  2. 番茄 PyTomata是一个程序，它使用与语法相对应的LR自动机为上下文无关的语法生成测试用例。 它可以产生正面和负面的测试套件。 SLE2020审阅者注意事项 为了产生与表的LR列中相同的测试套件，请使用--classic标志运行程序，因为我们从那时开始改进了算法。 我们对LR *进行了改进，因此当前生成的没有--classic标志的测试套件比LR *列中提供的测试套件小得多。 但是，请注意，这种改进的实现仍在进行中，可能尚未完全稳定。 可以在grammars/SLE2020-grammar

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：956kb
    • 提供者：weixin_42097967
« 12 »