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. Python学习手册(第3版)

  2. Python可移植、功能强大、易于使用，是编写独立应用程序和脚本应用程序的理想选择。无论你是刚接触编程或者刚接触Python，通过学习本书，你可以迅速高效地精通核心Python语言基础。读完本书，你会对这门语言有足够的了解，从而可以在你所从事的任何应用领域中使用它。. 本书是作者根据过去10年用于教学而广为人知的培训课程的材料编写而成的。除了有许多详实说明和每章小结之外，每章还包括一个头脑风暴：这是本书独特的一部分，配合以实用的练习题和复习题，让读者练习新学的技巧并测试自己的理解程度。 本书包

  3. 所属分类：Python

    • 发布日期：2010-04-07
    • 文件大小：40mb
    • 提供者：jake666

  1. Python-Yellowbrick为机器学习进行特征选择模型选择和参数调整的可视化分析和诊断工具

  2. Yellowbrick 是可视化分析和诊断工具的套件，帮助你为机器学习进行特征选择、模型选择和参数调整。所有的可视化都是用Matplotlib生成的。

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：28mb
    • 提供者：weixin_39841882

  1. Python-自动调谐模型一个模型选择和调谐的多用户多数据系统

  2. 自动调谐模型 —— 一个模型选择和调谐的多用户多数据系统

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：165kb
    • 提供者：weixin_39840387

  1. 深入浅析Python 中的sklearn模型选择

  2. 主要介绍了Python sklearn模型选择的相关知识，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：95kb
    • 提供者：weixin_38603704

  1. 详解Python可视化神器Yellowbrick使用

  2. Yellowbrick是由一套被称为"Visualizers"组成的可视化诊断工具组成的套餐，其由Scikit-Learn API延伸而来，对模型选择过程其指导作用。这篇文章主要介绍了Python可视化神器Yellowbrick使用,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：314kb
    • 提供者：weixin_38745361

  1. python特征选择（一款非常棒的特征选择工具：feature-selector）

  2. 文章目录前言1.数据集选择2.feature-selector用法3.具有高missing-values百分比的特征4.具有高相关性的特征5.对模型预测结果无贡献的特征6.对模型预测结果只有很小贡献的特征7.具有单个值的特征8.从数据集去除选择的特征9.结论 前言        FeatureSelector是用于降低机器学习数据集的维数的工具。        文章介绍地址        项目地址        本篇主要介绍一个基础的特征选择工具feature-selector，feature-

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：744kb
    • 提供者：weixin_38551205

  1. Python小白逆袭大神:Day4-《青春有你2》选手识别

  2. 文章目录1.学习笔记2.作业心得 今天第开始深度学习的第四天了，今天就真正走进深度学习了，算了体验深度学习了吧。paddlehub真的是一个非常好用的与训练模型库，能让对深度学习一无所知的我们体验到什么是深度学习。 首先我们来看看经典的深度学习劝退 步骤。从模型选择、调参训练到预测部署，包含的那么多东西，0基础的同学一看就晕。 原创文章 2获赞 0访问量 106 关注

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：142kb
    • 提供者：weixin_38722317

  1. 在C++中加载TorchScript模型的方法

  2. 本教程已更新为可与PyTorch 1.2一起使用 顾名思义，PyTorch的主要接口是Python编程语言。尽管Python是合适于许多需要动态性和易于迭代的场景，并且是首选的语言，但同样的，在许多情况下，Python的这些属性恰恰是不利的。后者通常适用的一种环境是要求生产-低延迟和严格部署。对于生产场景，即使只将C ++绑定到Java，Rust或Go之类的另一种语言中，它也是经常选择的语言。以下各段将概述PyTorch提供的从现有Python模型到可以完全从C ++加载和执行的序列化表示形式的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：103kb
    • 提供者：weixin_38740596

  1. 深入浅析Python 中的sklearn模型选择

  2. 1.主要功能如下： 1.classification分类 2.Regression回归 3.Clustering聚类 4.Dimensionality reduction降维 5.Model selection模型选择 6.Preprocessing预处理 2.主要模块分类： 1.sklearn.base: Base classes and utility function基础实用函数 2.sklearn.cluster: Clustering聚类 3.sklearn.cluster.bi

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：93kb
    • 提供者：weixin_38588394

  1. Data-analysis-for-python:这个冬天跟Python有一个约会——Python数据分析课-源码

  2. python数据分析 这个冬天跟Python有一个约会——Python数据分析课。 是的约会。 机器学习与数据分析 目标 计划总共14周，每周两节理论课， 学会机器学习算法基本思想，为模型选择恰当的假设，编写机器学习代码。 初步条件：学过概率统计，线性代数。 课程结构 机器学习入门 模型评价与选择： 经验误差与结构误差 评价指标 比较检验与假设检验 学习理论：频率派和贝叶斯派 学习理论：PAC和VC维 数据预处理方法 学习模型： 最小二乘法线性回归-线性模型 KNN算法 决策树 支持向量机 渐变

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：10mb
    • 提供者：weixin_42137539

  1. horus:视觉工具可帮助机器学习模型选择-源码

  2. 荷鲁斯 WIP –早期构建，情况很可能会改变– WIP horus的目标是为常见的机器学习和建模任务提供快速的可视化方法。 这个项目受到Python库极大启发。 安装 目前， horus仅在Github上可用，并且可以通过devtools安装： # install.packages('devtools') devtools :: install_github( ' EmilHvitfeldt/horus ' ) 将来，该程序包也将在CRAN上可用。 例子 没有理由为什么数据集的主成分图应

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：251kb
    • 提供者：weixin_42139302

  1. 如何用Python做自动化特征工程

  2. 本文来自大数据文摘，本文作者将使用Python的featuretools库进行自动化特征工程的示例，希望对您的学习有所启迪。机器学习的模型训练越来越自动化，但特征工程还是一个漫长的手动过程，依赖于专业的领域知识，直觉和数据处理。而特征选取恰恰是机器学习重要的先期步骤，虽然不如模型训练那样能产生直接可用的结果。本文作者将使用Python的featuretools库进行自动化特征工程的示例。机器学习越来越多地从手动设计模型转变为使用H20，TPOT和auto-sklearn等工具来自动优化的渠道。这

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：736kb
    • 提供者：weixin_38673235

  1. 一文总结数据科学家常用的Python库（下）

  2. 我们已经到达了本文最受期待的部分-构建模型！这就是我们大多数人首先进入数据科学领域的原因，不是吗？让我们通过这三个Python库探索模型构建。就像用于数据操作的Pandas和用于可视化的matplotlib一样，scikit-learn是构建模型的Python库领导者。没有什么比得上它了。事实上，scikit-learn建立在NumPy，SciPy和matplotlib之上。它是开源的，每个人都可以访问，并且可以在各种环境中重用。以下是安装scikit-learn的代码：Scikit-learn

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：309kb
    • 提供者：weixin_38719719

  1. QuaPy：用Python编写的量化框架-源码

  2. 质保 QuaPy是用Python编写的用于量化（又称监督患病率估计）的开源框架。 QuaPy源自数据样本的概念，并提供了量化文献中最重要的概念的实现，例如最重要的量化基准，许多高级量化方法，面向量化的模型选择，许多评估方法和用于评估量化方法的协议。 QuaPy还集成了常用的数据集，并提供可视化工具，以促进结果的分析和解释。 一个简单的例子： 以下脚本获取Twitter数据集，并根据估计的测试集的类患病率与测试集的实际患病率之间的平均绝对误差（MAE）训练和评估“调整后的分类和计数”模型。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：77kb
    • 提供者：weixin_42131013

  1. 声纳：使用scikit-learn RandomForest模型进行机器学习语音分类-源码

  2. 声纳计划 这项研究由Wentworth理工学院的三名计算机科学本科生团队组成的团队于2020年7月进行，以探索机器学习在现实世界语音数据分类中的可能应用。 该工作的重点是尝试使用各种功能工程和数据分析方法，以及此应用程序中各种机器学习模型的性能。 该团队专注于应用scikit-learn Python库中可用的工具，以将常见的机器学习算法应用于该问题。 所采用的方法能够证明特征工程和数据处理以及各种机器学习模型的有效性。 结果表明，使用简单的机器学习模型，可以对音频扬声器进行分类。 经过数据调

  3. 所属分类：其它

  1. menrva：Python机器学习平台-源码

  2. 月经 用于监督机器学习的Python平台 三层平台 纠缠：合并，重塑，提取特征**当前不可用 建模：预处理，培训和评估）**正在开发中 服务：分层服务和管理模型**服务可用 1-数据整理 易于合并，重塑和自动特征工程。 2-建模 支持回归和分类。 执行一键编码，标签编码和空值插补。 然后逐步将模型从简单训练到复杂，并并行执行超参数调整和模型选择。 最后报告模型质量统计信息，诊断报告（ROC曲线，列联矩阵等）并序列化最佳模型。 3-模型管理 将新模型持久化到磁盘，然后使用Redis从内存中提供模型

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：44kb
    • 提供者：weixin_42121086

  1. overwatch_player_DA：使用Python进行数据分析和机器学习：使用ECDF和ANOVA进行EDA，相关和回归分析，数据标准化和特征工程，通过scikit-learn支持向量回归（包括模型选择，网格搜索和特征重要性）-源码

  2. overwatch_player_DA：使用Python进行数据分析和机器学习：使用ECDF和ANOVA进行EDA，相关和回归分析，数据标准化和特征工程，通过scikit-learn支持向量回归（包括模型选择，网格搜索和特征重要性）

  3. 所属分类：其它

  1. yellowbrick：可视化分析和诊断工具，有助于机器学习模型的选择-源码

  2. 黄砖 可视化分析和诊断工具，有助于机器学习模型的选择。 什么是黄砖？ Yellowbrick是一套称为“ Visualizers”的视觉诊断工具，可扩展scikit-learn API以允许人工操纵模型选择过程。 简而言之，Yellowbrick按照scikit-learn文档的最佳传统将scikit-learn与matplotlib结合在一起，但可以为您的机器学习工作流程提供可视化效果！ 有关Yellowbrick API的完整文档，可用可视化工具的库，提供者的指南，教程和教学资源，常见

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：28mb
    • 提供者：weixin_42102634

  1. Hyperactive：超参数优化和元学习工具箱，可方便，快速地进行机器深度学习模型的原型制作-源码

  2. 超参数优化和元学习工具箱，可方便，快速地建立机器学习模型的原型。 主人身份： 开发人员状态： 代码质量： 最新版本： Hyperactive主要是一个超参数优化工具包，旨在简化模型选择和调整过程。 您可以使用任何机器学习或深度学习软件包，而无需学习新语法。 Hyperactive具有两个特性，因此在模型优化中具有很高的通用性： 您可以在目标函数中定义任何类型的模型。 它只需要返回一个得分/度量值即可最大化。 搜索空间不仅接受“ int”，“ float”或“ str”作为数据类型，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：616kb
    • 提供者：weixin_42139042

  1. 详解Python可视化神器Yellowbrick使用

  2. 机器学习中非常重要的一环就是数据的可视化分析，从源数据的可视化到结果数据的可视化都离不开可视化工具的使用，sklearn+matplotlib的组合在日常的工作中已经满足了绝对大多数的需求，今天主要介绍的是一个基于sklearn和matplotlib模块进行扩展的可视化工具Yellowbrick。 Yellowbrick的官方文档在这里。Yellowbrick是由一套被称为”Visualizers”组成的可视化诊断工具组成的套餐，其由Scikit-Learn API延伸而来，对模型选择过程其指导

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：320kb
    • 提供者：weixin_38639089
« 12 3 4 5 6 7 8 9 10 ... 21 »