点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 交叉验证
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
Spark ml pipline交叉验证之朴素贝叶斯.docx
Spark ml pipline交叉验证之朴素贝叶斯 模型训练 输入参数 训练代码 模型评估 输入参数 评估代码
所属分类:
spark
发布日期:2019-09-03
文件大小:21504
提供者:
q18729096963
多层感知机(MLP)(三层)(UCI乳腺癌数据库)(k折交叉验证)(反向传递)(机器学习,神经网络)
多层感知机(MLP)(三层)(UCI乳腺癌数据库)(k折交叉验证)(反向传递)(机器学习,神经网络)
所属分类:
机器学习
发布日期:2020-05-28
文件大小:6144
提供者:
weixin_33270475
python实现交叉验证
实现数据的交叉验证划分。 对于带标签的所有数据data.csv,其中最后一列为标签,将该数据划分为训练集train_i.csv和测试集test_i.csv。其中i表示的是第i折数据。
所属分类:
其它
发布日期:2020-07-11
文件大小:1024
提供者:
weixin_39913518
6,交叉验证.ipynb
6,交叉验证.ipynb
所属分类:
机器学习
发布日期:2020-07-30
文件大小:12288
提供者:
weixin_46072771
使用sklearn的cross_val_score进行交叉验证实例
今天小编就为大家分享一篇使用sklearn的cross_val_score进行交叉验证实例,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
所属分类:
其它
发布日期:2020-09-17
文件大小:135168
提供者:
weixin_38671819
sklearn和keras的数据切分与交叉验证的实例详解
主要介绍了sklearn和keras的数据切分与交叉验证的实例详解,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
所属分类:
其它
发布日期:2020-09-16
文件大小:63488
提供者:
weixin_38587705
决策树代码Python(包含GINI,信息熵构建方法,10折交叉验证,Adaboost以及Boost方法)
决策树代码Python(包含GINI,信息熵构建方法,10折交叉验证,Adaboost以及Boost方法)
所属分类:
讲义
发布日期:2016-12-27
文件大小:54272
提供者:
bigfish_yukang
Python sklearn KFold 生成交叉验证数据集的方法
今天小编就为大家分享一篇Python sklearn KFold 生成交叉验证数据集的方法,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
所属分类:
其它
发布日期:2020-09-19
文件大小:46080
提供者:
weixin_38631182
coursera斯坦福机器学习公开课作业5(交叉验证)
coursera斯坦福机器学习公开课作业5(交叉验证),已通过submission,供大家学习参考
所属分类:
专业指导
发布日期:2015-12-13
文件大小:226304
提供者:
u011772859
交叉验证神经网络matlab
提供交叉验证神经网络matlab代码,供大家学习。
所属分类:
专业指导
发布日期:2020-11-15
文件大小:2048
提供者:
qq_34989861
Python sklearn KFold 生成交叉验证数据集的方法
源起: 1.我要做交叉验证,需要每个训练集和测试集都保持相同的样本分布比例,直接用sklearn提供的KFold并不能满足这个需求。 2.将生成的交叉验证数据集保存成CSV文件,而不是直接用sklearn训练分类模型。 3.在编码过程中有一的误区需要注意: 这个sklearn官方给出的文档 >>> import numpy as np >>> from sklearn.model_selection import KFold >>> X =
所属分类:
其它
发布日期:2020-12-25
文件大小:49152
提供者:
weixin_38697123
简单粗暴理解与实现机器学习之K-近邻算法(十):交叉验证,网格搜索(模型选择与调优)API、鸢尾花案例增加K值调优
K-近邻算法 文章目录K-近邻算法学习目标1.10 交叉验证,网格搜索1 什么是交叉验证(cross validation)1.1 分析1.2 为什么需要交叉验证**问题:那么这个只是对于参数得出更好的结果,那么怎么选择或者调优参数呢?**2 什么是网格搜索(Grid Search)3 交叉验证,网格搜索(模型选择与调优)API:4 鸢尾花案例增加K值调优 学习目标 掌握K-近邻算法实现过程 知道K-近邻算法的距离公式 知道K-近邻算法的超参数K值以及取值问题 知道kd树实现搜索的过程 应用KN
所属分类:
其它
发布日期:2020-12-22
文件大小:115712
提供者:
weixin_38658568
使用sklearn的cross_val_score进行交叉验证实例
在构建模型时,调参是极为重要的一个步骤,因为只有选择最佳的参数才能构建一个最优的模型。但是应该如何确定参数的值呢?所以这里记录一下选择参数的方法,以便后期复习以及分享。 (除了贝叶斯优化等方法)其它简单的验证有两种方法: 1、通过经常使用某个模型的经验和高超的数学知识。 2、通过交叉验证的方法,逐个来验证。 很显然我是属于后者所以我需要在这里记录一下 sklearn 的 cross_val_score: 我使用是cross_val_score方法,在sklearn中可以使用这个方法。交叉验证的原
所属分类:
其它
发布日期:2020-12-20
文件大小:137216
提供者:
weixin_38611388
Python实现K折交叉验证法的方法步骤
学习器在测试集上的误差我们通常称作“泛化误差”。要想得到“泛化误差”首先得将数据集划分为训练集和测试集。那么怎么划分呢?常用的方法有两种,k折交叉验证法和自助法。介绍这两种方法的资料有很多。下面是k折交叉验证法的python实现。 ##一个简单的2折交叉验证 from sklearn.model_selection import KFold import numpy as np X=np.array([[1,2],[3,4],[1,3],[3,5]]) Y=np.array([1,2,3,4
所属分类:
其它
发布日期:2020-12-31
文件大小:40960
提供者:
weixin_38604916
机器学习 评估指标之交叉验证
1、交叉验证 通俗的讲就是将样本均分为几等份,拿出某一(几)份作为测试样本,剩下的作为训练样本,去预测得到相应指标(准确率,召回率,f1等),再抽取另一份(几份)作为测试样本,剩下的作为训练样本,去预测得到相应指标(准确率,召回率,f1等) ,使得每一份样本都参与到测试集中,最终返回一个指标列表。 作用 1、交叉验证用于评估模型的预测性能,尤其是训练好的模型在新数据上的表现,可以在一定程度上减小过拟合。 2、还可以从有限的数据中获取尽可能多的有效信息。 2、案例代码 数据下载地址 链接: ht
所属分类:
其它
发布日期:2021-01-06
文件大小:36864
提供者:
weixin_38592643
HLS_KNN_KFold:KNN使用的火车测试数据的交叉验证-源码
HLS_KNN_K折叠 对KNN使用的火车/测试数据进行交叉验证。
所属分类:
其它
发布日期:2021-03-21
文件大小:1048576
提供者:
weixin_42131013
使用Bouligand影响函数对核方法进行交叉验证的有效近似
使用Bouligand影响函数对核方法进行交叉验证的有效近似
所属分类:
其它
发布日期:2021-03-16
文件大小:177152
提供者:
weixin_38671048
通过通用交叉验证改善ESVM
通过通用交叉验证改善ESVM
所属分类:
其它
发布日期:2021-03-13
文件大小:1013760
提供者:
weixin_38661852
防止交叉验证与内核稳定性过度拟合
内核选择对于内核方法至关重要。 交叉验证(CV)是一种广泛接受的内核选择方法。 但是,基于CV的估计值通常显示出较高的方差,因此易于过度拟合。 为了防止高方差,我们首先提出了一种新的稳定性版本,称为内核稳定性。 这种稳定性量化了核矩阵相对于训练集变化的扰动。 然后,我们建立了内核稳定性和CV方差之间的联系。 通过限制导出的方差上限,我们提出了一种内核选择准则,该准则可以防止CV的高方差,从而保证良好的泛化性能。 此外,我们导出了用于估计内核稳定性的封闭形式,从而使基于内核稳定性的标准在计算上更加
所属分类:
其它
发布日期:2021-03-10
文件大小:331776
提供者:
weixin_38659789
LAB4-EOML:Regresión线性Polinomial con交叉验证-源码
LAB4-EOML Regresión线性Polinomial con交叉验证
所属分类:
其它
发布日期:2021-03-09
文件大小:1048576
提供者:
weixin_42149153
«
1
2
3
4
5
6
7
8
9
10
...
50
»