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. 网络管理智能运维实验 python

  2. 网络管理智能运维实验 python代码+运行结果（附实验数据） KPI 异常检测科研问题 2种过采样和支持向量机SVC方法进行机器学习与分类

  3. 所属分类：机器学习

    • 发布日期：2019-10-24
    • 文件大小：15mb
    • 提供者：weixin_38929706

  1. python数据预处理 :样本分布不均的解决(过采样和欠采样)

  2. 今天小编就为大家分享一篇python数据预处理 :样本分布不均的解决(过采样和欠采样)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：68kb
    • 提供者：weixin_38538950

  1. Python对数据进行插值和下采样的方法

  2. 使用Python进行插值非常方便，可以直接使用scipy中的interpolate import numpy as np x1 = np.linspace(1, 4096, 1024) x_new = np.linspace(1, 4096, 4096) from scipy import interpolate tck = interpolate.splrep(x1, data) y_bspline = interpolate.splev(x_new, tck) 其中y_bspline就是从

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：41kb
    • 提供者：weixin_38731979

  1. python数据预处理 :样本分布不均的解决(过采样和欠采样)

  2. 何为样本分布不均： 样本分布不均衡就是指样本差异非常大，例如共1000条数据样本的数据集中，其中占有10条样本分类，其特征无论如何你和也无法实现完整特征值的覆盖，此时属于严重的样本分布不均衡。 为何要解决样本分布不均： 样本分部不均衡的数据集也是很常见的：比如恶意刷单、黄牛订单、信用卡欺诈、电力窃电、设备故障、大企业客户流失等。 样本不均衡将导致样本量少的分类所包含的特征过少，很难从中提取规律，即使得到分类模型，也容易产生过度依赖于有限的数量样本而导致过拟合问题，当模型应用到新的数据上时，模型的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：70kb
    • 提供者：weixin_38559203

  1. GAN-based-data-augmentation-for-improved-hate-speech-detection:SeqGAN数据扩充-源码

  2. 基于GAN的数据增强，可改善仇恨语音检测 SeqGAN数据增强用于改善仇恨语音检测，我们将SMOTE过采样方法用作基准。 我们还使用了四个训练有素的分类器-SVM，LSTM，BERT，Logistic回归。 要求 Tensorflow 1.15.0 Python 3.7 分类模型 如果要使用分类模型，请直接单击分类模型文件夹，在其中您将看到两个.ipynb文件，其中包含所有4个分类模型。 模型中使用的csv格式的训练集，测试集和验证集可以在数据集文件夹中看到。 SMOTE过采样 如果要实现SM

  3. 所属分类：其它

  1. SHM_FDD：一种用于结构健康监测的频率域分解嵌入式设备，重点是模态获取系统-源码

  2. SHM_FDD SHM_FDD是用于结构健康监测（SHM）的频率域分解（FDD）嵌入式设备，它采用“仅输出”原理，并采用了模态识别，模态形状和模态，保证标准（MAC）的方法。 该项目是SHM系统的一部分，其中分析步骤由这些python脚本执行。 采集系统由STM32 uController应用，具有12位ADC分辨率，但通过硬件过采样技术最多可映射到16位。 应用程序使用的通道数取决于要用于模式识别的分辨率。 我们建议您创建一个.txt或.csv文件，该文件用于存储征服系统创建的所有信息。

  3. 所属分类：其它

  1. 元清理：通过元学习进行数据准备-源码

  2. MetaPrep：通过元学习优化数据准备 MetaPrep是使用Python开发的工具，用于基于元学习（一种从过去的经验中学到的技术）进行预处理和自动数据清除。 因此，当提供要清理的新数据集时，该工具为存在的数据类型选择理想的技术，并返回要使用的5条管道建议。 除了自动预处理之外，MetaPrep是可延展的，允许开发人员根据算法中存在的技术定义自己的管道。 MetaPrep中存在的技术： 归零数据： 删除案例，平均值，中位数和最常见。 标准化和标准化： 标准定标器，minmax和归一化器；

  3. 所属分类：其它

  1. AutoMunge：人工学习，智能机器-源码

  2. 自治区 目录 介绍 是一个python库平台，用于为机器学习准备表格数据。 用户可以在自动推断列属性之间进行选择，以应用适当的简单要素工程方法，或者可以将不同的列分配给自定义要素工程转换，要素工程转换的自定义集（例如“族树”），以及从以下选项中进行选择：缺少数据填充。 可以从内部库（也称为“功能转换存储”）中访问功能工程转换，也可以在外部对用户进行定义，而对简单数据结构的最低要求。 该工具包括用于自动特征重要性评估的选项，用于使用在集合上训练的机器学习模型自动导出缺失数据输入的“ ML填充”，用

  3. 所属分类：其它

  1. yt：主要的yt存储库-源码

  2. yt项目 yt是一个开放源代码，经过许可的python软件包，用于分析和可视化体积数据。 yt支持结构化，可变分辨率的网格，非结构化网格以及离散或采样数据（例如粒子）。 yt专注于推动具有实际意义的查询，已应用于诸如天体物理学，地震学，核工程，分子动力学和海洋学等领域。 由用户和开发人员组成的友好社区组成，我们希望使它易于使用和开发-如果您参与其中，我们将不胜感激！ 我们已经编写了您可能感兴趣的； 如果您在准备出版物时使用yt，请考虑将其引用。 行为守则 yt遵守从PSF行为准则中部分修改

  3. 所属分类：其它

  1. Python语言实现百度语音识别API的使用实例

  2. 未来的一段时间，人工智能在市场上占有很重的位置，Python语言则是研究人工智能的最佳编程语言，下面，就让我们来感受一下它的魅力吧！ 百度给的样例程序，不论C还是Java版，都分为method1和method2两种 前者称为隐式（post的是json串，音频数据编码到json里），后者称为显式（post的就是音频数据） 一开始考虑到pythonwave包处理的都是“字符串”，担心跟C语言的数组不一致，所以选择低效但保险的method1， 即先将音频数据base64编码，再加上采样率、通道数等信息

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：56kb
    • 提供者：weixin_38620959

  1. gpu_mandelbrot:使用Python在GPU上设置交互式Mandelbrot-源码

  2. 快速Mandelbrot集浏览器 特征 使用numba CUDA JIT在GPU和CPU上加速 使用Matplotlib进行交互式探索 使用鼠标滚轮或左/右键单击以放大/缩小 使用按钮和滑块更改调色板和迭代次数 保存静止图像和动画图像 平滑的着色，通过过采样消除锯齿 可自定义的调色板 精度：缩小到float64精度（约16个有效数字） 所有这些都在100％Python代码中 :snake: 快速开始 from mandelbrot import Mandelbrot mand = Mandel

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：15mb
    • 提供者：weixin_42131601