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随机森林的底层实现代码

  2. 本文件重点讲解随机森林的实现思路和编程实现过程，包括随机森林的代码实现和相应的数据集，以及详尽的中文注释，蛮好用的。想学习研究随机森林底层实现原理的实现方法的可以下载一起交流

  3. 所属分类：机器学习

    • 发布日期：2017-09-25
    • 文件大小：34kb
    • 提供者：u010739157

  1. 随机森林原理、示例、应用

  2. 本资源主要简单介绍随机森林的原理，随机森林的应用特点，以及它的实例和在python上的实现。

  3. 所属分类：机器学习

    • 发布日期：2018-10-16
    • 文件大小：340kb
    • 提供者：weixin_39541558

  1. python实现随机森林random forest的原理及方法

  2. 本篇文章主要介绍了python实现随机森林random forest的原理及方法，详细的介绍了随机森林的原理和python实现，非常具有参考价值，有兴趣的可以了解一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：111kb
    • 提供者：weixin_38519387

  1. Python实现的随机森林算法与简单总结

  2. 主要介绍了Python实现的随机森林算法,结合实例形式详细分析了随机森林算法的概念、原理、实现技巧与相关注意事项,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：82kb
    • 提供者：weixin_38713061

  1. Python决策树和随机森林算法实例详解

  2. 主要介绍了Python决策树和随机森林算法,集合实例形式详细分析了决策树和随机森林算法的概念、原理及Python相关实现技巧与注意事项,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：158kb
    • 提供者：weixin_38606019

  1. python实现决策树、随机森林的简单原理

  2. 主要为大家详细介绍了python实现决策树、随机森林的简单原理，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：182kb
    • 提供者：weixin_38655767

  1. python实现决策树、随机森林的简单原理

  2. 本文申明：此文为学习记录过程，中间多处引用大师讲义和内容。 一、概念 决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 看了一遍概念后，我们先从一个简单的案例开始，如下图我们样本： 对于上面的样本数据，根据不同特征值我们最后是选择是否约会，我们先自定义的一个决策

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：181kb
    • 提供者：weixin_38526780

  1. 机器学习——基于Bagging的集成学习：随机森林（Random Forest）及python实现

  2. 基于Bagging的集成学习：随机森林的原理及其实现引入Bagging装袋随机森林随机森林分类随机森林回归python实现随机森林分类随机森林回归 引入 “三个臭皮匠赛过诸葛亮”——弱分类器组合成强分类器。 Q1.什么是随机森林？ 随机森林顾名思义就是一片森林，其中有各种各样的树，其实，随机森林是基于决策树构成的，一片森林中的每一颗树就是一个决策树。想了解决策树算法详情请戳☞决策树原理及其实现☜ Q2.为什么叫随机森林？ 随机森林中“随机”一词主要在于两点：“随机”取样；“随机”抽取特征。 了解

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：233kb
    • 提供者：weixin_38663443

  1. Training-Systems-Using-Python-Statistical-Modeling:Packt发布的使用Python统计建模的培训系统-源码

  2. 使用Python统计建模的培训系统 这是Packt发布的《 的代码库。 探索使用Python建模数据的流行技术 这本书是关于什么的？ Python的易用性和多功能性使它成为当今许多数据科学家和机器学习开发人员的工具选择。 它丰富的库广泛用于数据分析，更重要的是，它用于构建最新的预测模型。 本书将带领您经历一段激动人心的旅程，即使用这些库为预测分析实现有效的统计模型。 您将首先学习经典的统计分析，在这里您将学习使用熊猫计算描述性统计信息。 您将研究监督学习，在其中您将探索机器学习的原理并从

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：12mb
    • 提供者：weixin_42118161

  1. Application_Projects:我将附加到工作申请中的项目的资源库-源码

  2. 应用项目 这是我在参加UC Berkeley时完成的几个R和Python项目的存储库： 当前，此存储库包含3个适用于我的应用程序的项目 在全球变化生态学的数据科学期间开始 R中的一个项目是在现代统计方法和机器学习期间启动的，该项目使用多个数据集通过决策树，随机森林和聚类技术进行预测 开始于数据科学原理与技术

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：954kb
    • 提供者：weixin_42129113

  1. 一文读懂随机森林的解释和实现

  2. 如今由于像Scikit-Learn这样的库的出现，我们可以很容易地在Python中实现数百种机器学习算法。它们是如此易用，以至于我们通常都不需要任何关于模型底层工作机制的知识就可以使用它们。虽然没必要了解所有细节，但了解某个机器学习模型大致是如何工作的仍然有帮助。这使得我们可以在模型表现不佳时进行诊断，或者解释模型是如何做决策的，这一点至关重要，尤其当我们想要说服别人相信我们的模型时。在本文中，我们将介绍如何在Python中构建和使用随机森林（RandomForest）。除了查看代码之外，我们还

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：534kb
    • 提供者：weixin_38581308

  1. 人工智能和机器学习基础知识：以最新的AI先进技术为基础的实际应用程序开发开始-源码

  2. 人工智能和机器学习基础 机器学习和神经网络正在Swift成为构建智能应用程序的基础。 本课程将首先向您介绍Python并讨论使用AI搜索算法。 您将学习大量数学主题，例如Python示例所说明的回归和分类。 然后，您将继续学习高级AI技术和概念，并处理现实数据集以形成决策树和集群。 将向您介绍神经网络，它是得益于适用于21世纪计算能力的摩尔定律的强大工具。 在本课程结束时，您将充满信心，并期待用您新获得的技能来构建自己的AI应用程序！ 您将学到什么 了解AI的重要性，原理和领域 学习使用Pyt

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：25mb
    • 提供者：weixin_42101056

  1. 一文读懂随机森林的解释和实现

  2. 如今由于像Scikit-Learn这样的库的出现，我们可以很容易地在Python中实现数百种机器学习算法。它们是如此易用，以至于我们通常都不需要任何关于模型底层工作机制的知识就可以使用它们。虽然没必要了解所有细节，但了解某个机器学习模型大致是如何工作的仍然有帮助。这使得我们可以在模型表现不佳时进行诊断，或者解释模型是如何做决策的，这一点至关重要，尤其当我们想要说服别人相信我们的模型时。在本文中，我们将介绍如何在Python中构建和使用随机森林（RandomForest）。除了查看代码之外，我们还

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：534kb
    • 提供者：weixin_38691194

  1. python实现随机森林random forest的原理及方法

  2. 引言 想通过随机森林来获取数据的主要特征 1、理论 随机森林是一个高度灵活的机器学习方法，拥有广泛的应用前景，从市场营销到医疗保健保险。 既可以用来做市场营销模拟的建模，统计客户来源，保留和流失。也可用来预测疾病的风险和病患者的易感性。 根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类，即个体学习器之间存在强依赖关系，必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系，可同时生成的并行化方法； 前者的代表是Boosting，后者的代表是Bagging和“随机森林”（Rando

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：113kb
    • 提供者：weixin_38606294

  1. pyExplainer-源码

  2. pyexplainer pyexplainer是一个python软件包，可从所谓的“黑匣子模型”（例如随机森林）生成可解释的机器学习预测，此外，pyexplainer提供了交互式可视化功能，简化了软件工程的决策过程。 这是其工作原理的快照 目录 如何引用pyexplainer 去做 依存关系 python =“ 3.8” scikit-learn =“ 0.24.1” numpy =“ 1.20.1” scipy =“ 1.6.1” ipywidgets =“ 7.6.3” ip

  3. 所属分类：其它

  1. ITU-ACM-20-21-Spring-Machine-Learning-源码

  2. ITU-ACM-20-21-Spring机器学习 讲师 穆罕默德·伊耶特·阿特斯（MehmetYiğitAteş） 计算机工程＃2 ITU 先决条件 Python编程语言的基本知识。 微积分和线性代数的基本知识。 目标 使参与者熟悉基本的机器学习主题，例如分类和回归 让与会者熟悉机器学习算法的工作机制和数学 人工神经网络介绍 介绍NumPy计算库的基础 教学大纲 ＃日期 ＃话题 ＃描述 16.03.2021 机器学习导论 机器学习的工作原理，NumPy和梯度下降 23.03.2021 线

  3. 所属分类：其它