您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. scikit-learn-0.16.1.win32-py2.7

  2. python中的sklearn包,包含回归、k均值聚类、分类、支持向量机等算法!
  3. 所属分类:其它

    • 发布日期:2015-07-02
    • 文件大小:2mb
    • 提供者:wwwxue_er1991
  1. sklearn 学习(中文),只是一些算法

  2. 前面几个算法的中文版,是到支持向量机
  3. 所属分类:算法与数据结构

    • 发布日期:2017-06-15
    • 文件大小:2mb
    • 提供者:guang_mang
  1. 使用 python手动实现了SVM支持向量机 核函数 软间隔

  2. 使用python手动实现了SVM支持向量机,包括其中二次规划的求解(调用cvxopt包),实现了软间隔及核技术,以及对数据集及分类效果的可视化!建议配合我的SVM PPT一起学习SVM 不是直接调用sklearn的SVM!!
  3. 所属分类:算法与数据结构

    • 发布日期:2019-06-01
    • 文件大小:366kb
    • 提供者:sinat_31857633
  1. 支持向量机.zip

  2. 用支持向量机实现一个分类器 训练数据为train.txt, 测试数据为test.txt, 数据中第一列是类别,后面的是特征 因为支持向量机实现起来比较复杂,所以可以使用sklearn中的svm模块
  3. 所属分类:机器学习

    • 发布日期:2019-06-23
    • 文件大小:2kb
    • 提供者:gakki_chen
  1. 支持向量机(SVM) SMO可视化demo

  2. 这是一个svm的demo,可以把每一次更新的图片展示出来,并把alpha等信息打印在控制台, 可以一步一步的看到svm是如何更新的, 并画上sklearn算出来的结果作为比较, 大约迭代5-10次后,结果和sklearn画出来的线高度重合. 用的是 smo算法
  3. 所属分类:互联网

    • 发布日期:2020-04-28
    • 文件大小:5kb
    • 提供者:howard789
  1. 【机器学习】菜菜的sklearn课堂(1-12全课).zip

  2. 配套的相关资料,好东西。菜菜的课程,看了就知道是好东西了。 01 决策树课件数据源码 02随机森林 03数据预处理和特征工程 04主成分分析PCA与奇异值分解SVD 05逻辑回归与评分卡 06聚类算法Kmeans 07支持向量机上 08支持向量机下 09回归大家族:线性回归,岭回归,Lasso与多项式回归 010朴素贝叶斯 011XGBoost
  3. 所属分类:机器学习

    • 发布日期:2020-04-24
    • 文件大小:153mb
    • 提供者:zzx188891020
  1. sklearn机器学习支持向量机案例解析

  2. 通过对支持向量机的应用,解决两类经典问题:鸢尾花数据集分类及数字图像识别,并注释原理,帮助大家学习理解
  3. 所属分类:机器学习

    • 发布日期:2020-01-22
    • 文件大小:3kb
    • 提供者:qq_37381642
  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ,SciPy 和 matplotlib 上 开源,可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1
  3. 所属分类:机器学习

    • 发布日期:2019-08-24
    • 文件大小:40mb
    • 提供者:h394266861
  1. 【机器学习】菜菜的sklearn课堂(1-12全课).rar

  2. 【机器学习】菜菜的sklearn课堂(1-12全课) 这是完整版的课件pdf 1.决策树 2.随机森林 3.数据预处理和特征工程 4.主成分分析PCA 5.逻辑回归与评分卡 6.聚类算法 7.支持向量机上 8.支持向量机下 9.回归大家族 10.朴素贝叶斯 11.XGBoost 12.神经网络(还在录课)
  3. 所属分类:机器学习

    • 发布日期:2020-08-14
    • 文件大小:130mb
    • 提供者:JENHE
  1. 详解python 支持向量机(SVM)算法

  2. 相比于逻辑回归,在很多情况下,SVM算法能够对数据计算从而产生更好的精度。而传统的SVM只能适用于二分类操作,不过却可以通过核技巧(核函数),使得SVM可以应用于多分类的任务中。 本篇文章只是介绍SVM的原理以及核技巧究竟是怎么一回事,最后会介绍sklearn svm各个参数作用和一个demo实战的内容,尽量通俗易懂。至于公式推导方面,网上关于这方面的文章太多了,这里就不多进行展开了~ 1.SVM简介 支持向量机,能在N维平面中,找到最明显得对数据进行分类的一个超平面!看下面这幅图: 如上图
  3. 所属分类:其它

    • 发布日期:2020-12-16
    • 文件大小:201kb
    • 提供者:weixin_38557727
  1. Python中使用支持向量机SVM实践

  2. 在机器学习领域,支持向量机SVM(Support Vector Machine)是一个有监督的学习模型,通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征:    (1)SVM可以表示为凸优化问题,因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间,这种方法一般只能获得局部最优解。   (2) SVM通过最大化决策边界的边缘来实现控制模型的能力。尽管如此,用户必须提供其他参数,如使用核函数类型和引入松弛变量等。   (
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:59kb
    • 提供者:weixin_38534344
  1. Python中支持向量机SVM的使用方法详解

  2. 除了在Matlab中使用PRTools工具箱中的svm算法,Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法,本文的运行环境是Pycharm。 一、导入sklearn算法包   Scikit-Learn库已经实现了所有基本机器学习的算法,具体使用详见官方文档说明   skleran中集成了许多算法,其导入包的方式如下所示,   逻辑回归:from sklearn.linear_model import LogisticRegression    
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:178kb
    • 提供者:weixin_38738783
  1. 【机器学习】SVM支持向量机

  2. from sklearn.datasets import make_circles from sklearn.svm import SVC import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.linear_model import LogisticRegression import numpy as np #创建样本点 ''' n_samples:创建多少啊个样本 noise
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:174kb
    • 提供者:weixin_38663526
  1. 【机器学习】SVM支持向量机

  2. from sklearn.datasets import make_circles from sklearn.svm import SVC import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.linear_model import LogisticRegression import numpy as np #创建样本点 ''' n_samples:创建多少啊个样本 noise
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:174kb
    • 提供者:weixin_38529951
  1. 支持向量机(Support Vector Machines,SVM)

  2. 文章目录1. 线性可分SVM 与 硬间隔最大化1.1 线性可分SVM1.2 函数间隔、几何间隔1.3 间隔最大化2. 线性SVM 与 软间隔最大化2.1 线性SVM3. 非线性SVM 与 核函数3.1 核技巧/核函数3.2 常用核函数3.3 非线性SVM分类4. 序列最小最优化算法5. sklearn SVC 实例6. 课后习题 支持向量机(SVM)是一种二类分类模型。 支持向量机还包括核技巧,实质上是非线性分类器。 学习策略:间隔最大化 学习算法:求解凸二次规划的最优化算法。 当训练数据线性可
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:450kb
    • 提供者:weixin_38672815
  1. Python中的支持向量机SVM的使用(附实例代码)

  2. 除了在Matlab中使用PRTools工具箱中的svm算法,Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法,本文的运行环境是Pycharm。 一、导入sklearn算法包 Scikit-Learn库已经实现了所有基本机器学习的算法,具体使用详见官方文档说明:http://scikit-learn.org/stable/auto_examples/index.html。 skleran中集成了许多算法,其导入包的方式如下所示, 逻辑回归:from
  3. 所属分类:其它

    • 发布日期:2020-12-26
    • 文件大小:175kb
    • 提供者:weixin_38703980
  1. optiml:优化器用于与sklearn兼容的机器学习模型-源码

  2. OptiML OptiML是支持向量机和深度神经网络的sklearn兼容实现,根据最新技术,它们都有一些最成功的功能。 这项工作的动机是,有可能通过广泛的优化算法研究对象解决这些模型的数学公式所产生的优化问题,并为“数值方法和优化”课程开发在教授的监督下。 内容 数值优化 无约束优化 线搜索方法 零阶方法 次梯度 一阶方法 最陡的梯度下降 共轭梯度 弗莱彻-里夫斯公式 Polak–Ribière公式 Hestenes-Stiefel公式 代formula公式 重球渐变 二阶方
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:19mb
    • 提供者:weixin_42138780
  1. support-vector-machines:无需sklearn即可从头开始进行教育性SVM实现。 CVXOPT用作方程式求解器-源码

  2. 支持向量机 无需sklearn即可从头开始进行教育性SVM实现。 CVXOPT用作方程式求解器。 对于二进制分类器,标签应为[-1,1]。 multi_SVM.py是使用OneVsRest策略的多类SVM。 支持自定义内核,实现了线性和rbf内核。
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:19kb
    • 提供者:weixin_42097819
  1. svm_mnist_digit_classification:具有scikit学习和支持向量机(SVM)算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的,我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能,而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化,但结果还是不错的(请参见下表)。 如果您想获得最佳性能,这两个资源将向您展示当前的最新解决方案: 下表显示了与其他模型相比的一些结果:
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:49kb
    • 提供者:weixin_42150341
  1. python 机器学习之支持向量机非线性回归SVR模型

  2. 本文介绍了python 支持向量机非线性回归SVR模型,废话不多说,具体如下: import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' d
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:85kb
    • 提供者:weixin_38622467
« 12 »