您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于递归神经网络与K折交叉验证的R-RTRL用于多步预测滑坡位移

  2. 基于递归神经网络与K折交叉验证的R-RTRL用于多步预测滑坡位移
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:291840
    • 提供者:weixin_38529951
  1. 决策代价约简求解中的交叉验证策略

  2. 决策代价约简求解中的交叉验证策略
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38684976
  1. 基于广义交叉验证的高分辨率遥感图像感兴趣区去噪

  2. 在基于小波变换的图像去噪中,广义交叉验证算法利用统计方式能够获得对小波去噪阈值的最优估计,因此得到广泛应用。但是广义交叉验证具有较高计算复杂度,对图幅较大的高空间分辨率遥感图像,计算去噪阈值所消耗的时间较长。提出一种基于感兴趣区与快速广义交叉验证的高分辨率遥感图像去噪算法。新算法利用形状自适应整数小波变换来提取图像感兴趣区,通过快速广义交叉验证计算高分辨率遥感图像感兴趣区域的小波去噪阈值,最后利用软阈值算法完成感兴趣区去噪。实验表明,新算法不仅能够实现遥感图像感兴趣区域的优先去噪,而且有效降低了
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:2097152
    • 提供者:weixin_38678521
  1. 压缩传感交叉验证的理论分析

  2. 压缩传感交叉验证的理论分析
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:169984
    • 提供者:weixin_38711740
  1. ML_Raman:使用线性和非线性机器学习模型以及对Ashton提供的纸浆拉曼数据进行汇总的代码。 使用k倍交叉验证对模型进行训练,并使用百万均方误差度量进行测量。 然后调整最佳模型和最佳合奏。 从三个可能的目标值中,任意选择“突发”。 拉

  2. ML_Raman:使用线性和非线性机器学习模型以及对Ashton提供的纸浆拉曼数据进行汇总的代码。 使用k倍交叉验证对模型进行训练,并使用百万均方误差度量进行测量。 然后调整最佳模型和最佳合奏。 从三个可能的目标值中,任意选择“突发”。 拉曼数据在Raman.csv文件上,目标数据在Targets.csv文件上
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:2097152
    • 提供者:weixin_42143092
  1. 所有机器学习算法:包括所有机器学习模型,包括所有机器学习预处理技术,例如1)抽样技术(欠采样,过采样,ROS和SMOTE)。 交叉验证(K折,分层K折),-源码

  2. 所有ML算法 它包括所有ML模型。(用于KTM和银行数据) 由所有ML预处理技术组成,如a。 采样技术(欠采样,过采样-ROS和SMOTE)b。 交叉验证(K折,分层K折)c。 主成分分析 具有HYPER参数校正的Boston数据集的套索和岭回归。 该存储库还包含我在编码文件中使用的RAW数据文件
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:590848
    • 提供者:weixin_42133329
  1. housing_prices:在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测-源码

  2. 在回归模型中使用交叉验证和网格搜索预测房价 在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测 该项目的目标 在本文中,我将分析与墨尔本房价相关的因素,并使用几种机器学习技术对房价进行预测。 该分析中使用的模型是线性回归,岭回归,K最近邻(以下称为KNN)和决策树。 使用交叉验证和网格搜索技术的方法,我找到了每个模型中超参数的最佳值,然后比较结果以找到最佳的机器学习模型来预测墨尔本的房价。 如何运行这个项目 安装Python 3。 安装Jupyter Notebook。 使用
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:6291456
    • 提供者:weixin_42116058
  1. 机器学习和数据科学:机器学习和数据挖掘:回归[线性(选择和收缩,降维,超出线性范围)和非线性回归(逻辑,K-NN,树)],交叉验证(LOOCV,K -折数,偏差与方差,分类(LDA,QDA,K-NN,物流,树,SVM),聚类(PCA,K-M

  2. 机器学习与数据科学 机器学习和数据挖掘:回归[线性(选择和收缩,降维,超出线性范围)和非线性回归(逻辑,K-NN,树)],交叉验证(LOOCV,K折,偏差与方差) ,分类(LDA,QDA,K-NN,物流,树,SVM),聚类(PCA,K-Means,分层)本课程将介绍数据挖掘/统计学习的主要主题,包括:统计基础,数据可视化,分类,回归,聚类。 重点将放在统计学习方法,其背后的模型,直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:18874368
    • 提供者:weixin_42166261
  1. 监督机器学习交叉验证最终项目:UCSD监督机器学习简介,齿轮118A的小型交叉验证项目-源码

  2. 监督机器学习交叉验证最终项目:UCSD监督机器学习简介,齿轮118A的小型交叉验证项目
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:1048576
    • 提供者:weixin_42117150
  1. 帕金森病数据交叉验证:在此数据集中,目标是根据语音数据对某人是否患有帕金森病进行分类-源码

  2. 帕金森数据交叉验证 演示适用于不同数据集的不同类型的交叉验证,并观察使用不正确的交叉验证进行过度拟合的可能性。 数据集1:这是具有随机特征和类标签的综合数据集。 数据集2:这是一个类似的数据集,但它也包含组ID元数据。 在这种情况下,数据来自10个不同的组(例如,公司,用户,位置),每个组有10个实例。 数据集3: : 请注意,此数据集具有一个.data文件(是CSV)和一个.names文件,该文件是该数据集及其功能的描述。它。 任务1:在训练集上进行测试 任务2:在组级别交叉验证 任
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:19456
    • 提供者:weixin_42097557
  1. 乳腺癌-威斯康星州诊断-大师:我使用“对数回归模型”来查看肿瘤是良性还是恶性的,并且已经通过k折交叉验证计算了模型的准确性-源码

  2. 乳腺癌威斯康星州诊断大师 我已经使用“对数回归和主成分模型”来查看肿瘤是良性还是恶性的,并且已经通过k折交叉验证计算了模型的准确性。
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:560128
    • 提供者:weixin_42117037
  1. K折交叉验证:传统的求准确度的方法是将整个数据分为训练集和测试集,并根据测试数据计算出准确度,但这并不是最佳方法,因此我们采用K折交叉验证是许多精度的平均值,并且它还提供了精度的标准偏差,这是评估模型的良好指标-源码

  2. K折交叉验证:传统的求准确度的方法是将整个数据分为训练集和测试集,并根据测试数据计算出准确度,但这并不是最佳方法,因此我们采用K折交叉验证是许多精度的平均值,并且它还提供了精度的标准偏差,这是评估模型的良好指标
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:2048
    • 提供者:weixin_42127835
  1. 迭代分层:scikit-learn交叉验证器,用于多标签数据的迭代分层-源码

  2. 迭代分层 迭代分层是一个为兼容的交叉验证器提供分层的项目,用于对多标签数据进行分层。 目前,scikit-learn为多个交叉验证器提供了分层。 但是,这些交叉验证器无法对多标签数据进行分层。 此迭代分层项目提供了MultilabelStratifiedKFold,MultilabelRepeatedStratifiedKFold和MultilabelStratifiedShuffleSplit的实现,并具有用于对多标签数据进行分层的基本算法,如下文所述: Sechidis K.,Tsoum
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:11264
    • 提供者:weixin_42134038
  1. spacv:Python中的空间交叉验证-源码

  2. spacv :Python中的空间交叉验证 spacv是一个小型Python 3(3.6及更高版本)软件包,用于模型的交叉验证,该模型评估对具有空间依赖性的数据集的泛化性能。 spacv提供了一个类似spacv的熟悉的API,公开了一套适用于基于点的空间预测任务的工具。 有关用法,请参阅笔记本spacv_guide.ipynb 。 依存关系 numpy matplotlib pandas geopandas shapely scikit-learn scipy 安装及使用 要安装,请
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1021952
    • 提供者:weixin_42166623
  1. sklearn-audio-classification:对RAVDESS数据集上的音频分类进行深入分析。 使用多种ML技术和MLP进行特征工程,超参数优化,模型评估和交叉验证-源码

  2. sklearn-audio-classification:对RAVDESS数据集上的音频分类进行深入分析。 使用多种ML技术和MLP进行特征工程,超参数优化,模型评估和交叉验证
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:1048576
    • 提供者:weixin_42127835
  1. faculty-xval:使用Faculty平台对Keras和scikit-learn模型进行交叉验证-源码

  2. 教职员工 在Faculty平台上对机器学习模型进行交叉验证。 目前,该软件包主要提供了一种通过Faculty工作并行交叉验证模型的方法。 要使用该功能,请使用该类: faculty_xval . validation . JobsCrossValidator 其他信息在提供的示例笔记本中找到。 请查看下面Try out the examples部分。 该软件包支持keras和sklearn模型。 尽管可以编写与faculty-xval兼容的自定义模型,但不能保证软件包可以正确处理这些情况,
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:34816
    • 提供者:weixin_42146230
  1. resamplr:tidyverse的R包交叉验证,引导程序,置换和滚动窗口重采样技术-源码

  2. resamplr:tidyverse的R包交叉验证,引导程序,置换和滚动窗口重采样技术
  3. 所属分类:其它

    • 发布日期:2021-01-28
    • 文件大小:204800
    • 提供者:weixin_42168555
  1. 系统安全性交叉验证方法研究、实现与应用

  2. 初步危险分析PHA和功能危险评估FHA是两种常用的安全性分析方法和过程。针对传统的PHA和FHA方法存在的容易遗漏危险和控制措施,以及人工进行安全性分析的易错、效率低下和难以复用等问题,文章提出一种PHA和FHA结合的安全性交叉验证方法,基于此方法设计和开发了可视化的系统安全性自动建模和分析工具,并对具有典型安全性要求的起落架系统进行了示例应用,结果表明从FHA的功能分析和PHA的危险分析两个角度进行自动化建模、分析和交叉验证,可解决传统的单向分析易发生的工作遗漏问题,同时使用工具可提高系统安全
  3. 所属分类:其它

    • 发布日期:2021-01-28
    • 文件大小:1048576
    • 提供者:weixin_38724370
  1. 系统安全性交叉验证工具设计与实现

  2. 针对独立验证方法存在容易遗漏以及人工分析的易错和效率低下等问题,文章基于PHA和FHA结合的交叉验证方法,设计和开发了系统安全性分析和验证工具,支持可视化和图形化的功能结构建模、FHA分析和汇总、PHA建模、分析和汇总、独立验证、交叉验证、危险数据库等功能,并结合刹车系统利用该方法和工具开展安全性交叉验证工作,结果表明方法和工具可以发现独立验证遗漏的问题,可以提高系统安全性的建模和分析能力、工作效率和可复用性。
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:791552
    • 提供者:weixin_38678022
  1. 【sklearn非线性回归预测】交叉验证评估与调参

  2. 交叉验证调参与交叉验证评估的区别与使用 什么是交叉验证 交叉验证原理 交叉验证原理与常用方法 scikitlearn交叉验证评估 交叉验证:评估估算器的表现 在交叉验证中数据集一般可以分为训练集和测试集,其中训练集的某一折用于作为验证集,这样有利于充分利用数据,但是同样提升了计算量。交叉验证的使用往往时代码运行缓慢。 交叉验证的作用 交叉验证一方面可以用于调整超参数,也即是通过反复的交叉训练,找到模型最优的超参数,比如使用网格搜索GridSearchCV()。另一方面用于评估模型在数据集上的表现
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:281600
    • 提供者:weixin_38621897
« 1 2 34 5 6 7 8 9 10 ... 50 »