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. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1048576
    • 提供者：huanghyw

  1. 均值聚类算法

  2. 这是模式分类中的课程代码， 其中包含所有的模式分类算法的实现实验， 程序时用matlab写的，代码质量较高，对学习模式分类 模式识别、 机器学习的同学有很重要的参考价值， 其中经典的算法有：均值聚类算法等 本实验的目的是学习和掌握k-均值聚类算法，通过对表格6 中的三维数据进行测试，进一 步加深了解。 (d) 编写程序实现k-均值聚类算法（本章中算法1）。 (e) 测试的类别数目和初始值为：c = 2， 1m (0) = (1,1,1)t ， 2 m (0) = (−1,1,−1)t ，进行实

  3. 所属分类：管理软件

    • 发布日期：2014-04-30
    • 文件大小：2048
    • 提供者：chennankuan

  1. 基于opencv3.1库的JAVA源码

  2. 第1章 Java概述、安装及简易教学 14 1-1 Java概述 14 1-2 Java安装 16 1-3 Eclipse安装 18 1-4 GUI设计工具WindowBuilder 18 1-5 在Eclipse开发第一个Java程式 23 1-6 在Eclipse开发第一个Java视窗程式-显示影像 26 1-7 在Eclipse开发视窗程式-slider控制元件 34 1-8 在Eclipse开发视窗程式-按钮控制元件 39 1-9 好用的Eclipse热键 41 第2章 OpenCV概

  3. 所属分类：图像处理

    • 发布日期：2018-09-29
    • 文件大小：1048576
    • 提供者：caozhenguan

  1. WEKA中文详细教程.pdf

  2. 本文档是Weka的中文版详细教程。Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。这是一个性价比最高的轻量级大数据分析必学软件，它和它的源代码可在其官方网站下载。IEF WEKA软件 C]Weka GUI Choos

  3. 所属分类：数据库

    • 发布日期：2019-08-03
    • 文件大小：44040192
    • 提供者：byygxs015

  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：3145728
    • 提供者：songzailu6482

  1. Python机器学习之K-Means聚类实现详解

  2. 本文为大家分享了Python机器学习之K-Means聚类的实现代码，供大家参考，具体内容如下 1.K-Means聚类原理 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。其基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 算法大致流程为：（1）随机选取k个点作为种子点(这k个点不一定属于数据集

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：76800
    • 提供者：weixin_38743506

  1. 机器学习代码实战——KMeans（聚类）

  2. 文章目录1.实验目的2.导入必要模块3.用pandas处理数据4.拟合+预测5.把预测结果合并到DF6.可视化聚类效果7.比较不同的簇数的均方误差8.对数据归一化处理 1.实验目的 1.使用sklearn库中的鸢尾花数据集，并尝试使用花瓣的宽度和长度特征来形成簇。 2. 为简单起见，删除其他两个特征。 3. 找出是否有任何预处理（例如缩放）可以帮助解决问题，绘制肘部曲线，从中得出k的最佳值 2.导入必要模块 from sklearn.cluster import KMeans #从skl

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：270336
    • 提供者：weixin_38584043

  1. 机器学习入门 — K-means、DBSCAN聚类算法（概念、图解、代码示例）

  2. 聚类概念 聚类是把相似的东西分到一组，它是一个无监督问题，没有标签使用 难点： 对于有标签的有监督学习问题，标签可以便于我们来评估模型，无监督学习问题在评估上比较难一点 对于不同的参数组合，得到的学习结果，因为比较难对模型做评估，所以不能通过一个精确度的好坏来选择参数组合 K-MEANS算法 K-MEANS算法是聚类问题中，最简单，也是最实用的一个算法 基本概念 一个数据放进来，需要指定K值，来声明要得到簇的个数 质心：一个簇的数据均值，即向量各维取平均即可（迭代时使用） 距离的度量：常用欧几里

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：448512
    • 提供者：weixin_38674124

  1. 机器学习5

  2. 聚类问题 ​ 聚类问题是无监督学习，算法的思想是“物以类聚，人以群分”。聚类算法感知样本间的相似度，进行类别归纳，对新的输入进行输出预测，输出变量取有限个离散值。 可以作为一个单独的过程，用于寻找数据内在的分布结构。 可以作为分类、稀疏表示等其他学习任务的前驱过程 1.K-means ​ K-means（又称k-均值或k-平均）聚类算法。算法思想就是随机确定k个中心点作为聚类中心，然后把每个数据点分配给最邻近的中心点，分配完成后形成k个聚类，计算各个聚类的平均中心点，将其作为该聚类新的类中心点，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：87040
    • 提供者：weixin_38502929

  1. Spark-ml-algo-lib:坤鹏机器学习库的开源代码-spark source code

  2. Spark-ml-算法库 介绍 运行在Kunpeng处理器上的机器学习算法库是一个加速库，它为机器学习算法提供了丰富的高级工具集。 它基于Apache 和的原始API。 加速库可大大提高大数据场景下的计算能力。 该库提供了九种机器学习算法：支持向量机（SVM），随机森林分类器（RFC），梯度提升决策树（GBDT），决策树（DT），K均值聚类，线性回归，逻辑回归算法，主成分分析（PCA），奇异值分解（SVD），潜在狄利克雷分配（LDA），前缀投影图案深度（Prefix-Span），交替最小二乘（

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：282624
    • 提供者：weixin_42122340

  1. Python实现机器学习算法

  2. 本文来自于CSDN，介绍了机器学习算法Python实现的逻辑回归、BP神经网络、K-Means聚类算法以及多元高斯分布等相关知识。其中：下面就是要求出theta，使代价最小，即代表我们拟合出来的方程距离真实值最近共有m条数据，其中代表我们要拟合出来的方程到真实值距离的平方，平方的原因是因为可能有负值，正负可能会抵消前面有系数2的原因是下面求梯度是对每个变量求偏导，2可以消去实现代码：注意这里的X是真实数据前加了一列1，因为有theta(0)代价函数对求偏导得到：所以对theta的更新可以写为：其

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：8388608
    • 提供者：weixin_38663608

  1. 学习：数据是石油的未来，挖掘数据的潜在价值非常有意义。 这个图书馆记录了我的机器学习之路-源码

  2. 深度学习演示 奇妙清单 1. 2.（感谢北京大学张志华团队的翻译工作，中文版点击） 一，记录深度学习例子： 名称 目录 咖啡 TensorFlow 茶野 凯拉斯 二，记录历程点滴： 掌握机器学习相关的概念和计算公式，包括有/无/半监督学习，强化学习，分类/回归/标注，聚类；训练集/验证集，交叉验证，测试集；数据预处理，正则化，归一化；损失函数，经验风险最小化，结构风险最小化，最优化算法；训练误差，泛化误差，欠拟合，过拟合；准确率，召回率，F1值，ROC和AUC； 掌握机器学习主流的模型及其

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：55574528
    • 提供者：weixin_42131633

  1. 微笑：统计机器智能和学习引擎-源码

  2. 微笑 是Java和Scala中快速而全面的机器学习，NLP，线性代数，图形，插值和可视化系统。 凭借先进的数据结构和算法，Smile可提供最先进的性能。 Smile的文献记录丰富，请查看项目以获取编程指南和更多信息。 Smile涵盖了机器学习的各个方面，包括分类，回归，聚类，关联规则挖掘，特征选择，流形学习，多维缩放，遗传算法，缺失值插补，有效的最近邻搜索等。 Smile实现以下主要的机器学习算法： 分类：支持向量机，决策树，AdaBoost，梯度提升，随机森林，逻辑回归，神经网络，RB

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：109051904
    • 提供者：weixin_42132352

  1. 机器学习k值聚类算法

  2. 用MATLAB实现的k值聚类算法

  3. 所属分类：算法与数据结构

    • 发布日期：2021-01-28
    • 文件大小：9216
    • 提供者：kiomito

  1. Python实现机器学习算法

  2. 本文来自于CSDN，介绍了机器学习算法Python实现的逻辑回归、BP神经网络、K-Means聚类算法以及多元高斯分布等相关知识。 其中：下面就是要求出theta，使代价最小，即代表我们拟合出来的方程距离真实值最近共有m条数据，其中代表我们要拟合出来的方程到真实值距离的平方，平方的原因是因为可能有负值，正负可能会抵消前面有系数2的原因是下面求梯度是对每个变量求偏导，2可以消去实现代码： 注意这里的X是真实数据前加了一列1，因为有theta(0)

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：8388608
    • 提供者：weixin_38709466

  1. NLP-Casestudy-源码

  2. NLP-Casestudy 原始数据 我们导入了Bigfoot数据文件。 在JSON中，我们找到了包含_id，＃URL，HTML和时间的字典。 我们将精力集中在HTML字典键值上，该键值包含大脚目击事件的第一手资料。 文字处理 -为了解析我们的数据，我们使用Beautiful soupHTML解析器在内容中找到“ p”，以分隔段落的开头和结尾。 -这给我们留下了4405个观察到的帐户。 滚雪球：我们过去常常说出他们的话。 使用词网的同义词和同义字连接词网 机器学习算法 -K表示聚类，以在目

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：336896
    • 提供者：weixin_42175516

  1. Machine-Learning-in-Action:本书取自《机器学习在行动》中的源代码，更正了错误，并根据python 3.X更新了-Source code learning

  2. 行动中的机器学习 本书摘自《机器学习在行动》中的源代码。 ipynb格式和html格式，更正了（以及我自己发现的一些错误），并根据python 3.X更新了。 机器学习在行动.pdf：本书的pdf版本 MLiA_SourceCode.zip：（.py格式） 02用k最近邻居分类[ ] 03一次将数据集拆分为一个特征决策树[ ] 04用概率论分类朴素贝叶斯[ ] 05 Logistic回归[ ] 06支持向量机[ ] 07使用AdaBoost元算法[ ]改进分类 08预测数值回归[

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：76546048
    • 提供者：weixin_42165508