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. 用matlab贝叶斯方法实现神经网络算法

  2. 在matlab开发环境下 ，用贝叶斯网络实现神经网络算法的实现步骤 简单的阐明了神经网络机器学习的原理

  3. 所属分类：C/C++

    • 发布日期：2012-03-09
    • 文件大小：8192
    • 提供者：jwr_4060533

  1. 贝叶斯学习

  2. 描述机器学习的思想，算法，贝叶斯学习。数据安全信息安全方向，比较好的工具和思想，可以具体了解这个。这是文档格式，方便学习

  3. 所属分类：网络安全

  1. INM431-机器学习：该存储库展示了比较应用于UCI的红酒数据集的朴素贝叶斯模型和随机森林模型的比较-源码

  2. INM431-机器学习 描述 :fountain_pen_selector: 该存储库演示了对应用于UCI的红酒数据集的朴素贝叶斯模型和随机森林模型的比较。 原始数据集： 您可以在此处找到原始数据集。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：6291456
    • 提供者：weixin_42131601

  1. 贝叶斯优化：跳板数据科学职业跟踪机器学习应用18.2 6贝叶斯优化-源码

  2. 贝叶斯优化 跳板/数据科学职业生涯轨迹/机器学习应用程序/ 18.2 / 6贝叶斯优化

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：6291456
    • 提供者：weixin_42144366

  1. J48决策树和朴素贝叶斯实现：在UC Irvine机器学习存储库的breast-cancer.arff数据集上实现J48决策树和朴素贝叶斯数据挖掘方法-源码

  2. J48决策树和朴素贝叶斯实现 在的breast-cancer.arff数据集上实现J48决策树和Naive Bayes数据挖掘方法

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：6144
    • 提供者：weixin_42116650

  1. bayesianInference：在R语言笔记本中研究贝叶斯推理-源码

  2. 贝叶斯推理 贝叶斯定理在计算智能中扮演着重要角色，而计算智能是人工智能的一个子领域，主要涉及生物学启发的机器智能方法。 贝叶斯推理通常是计算学习理论背后的Struts之一，它通过应用统计推理的概念来工作，使得随着更多信息的获得，一个假设被反复更新和完善。 该项目的灵感来自于《贝叶斯思维入门》一书，并基于该书，该书可从以下网站获得： : 。 个人笔记和实验也包括在这项研究中。 请注意，涵盖贝叶斯推理的所有主题是一项非常艰巨的任务，因为它与截然不同的统计主题有联系。 因此，这里的大部分重点是

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：506880
    • 提供者：weixin_42165712

  1. pymc3：Python中的概率编程：Theano的贝叶斯建模和概率机器学习-源码

  2. pymc3：Python中的概率编程：Theano的贝叶斯建模和概率机器学习

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42099530

  1. 结合纹理和形状特征的在线混合随机朴素贝叶斯视觉跟踪器

  2. 基于机器学习的思想并充分利用外观信息，提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔，通过强度二值特征和金字塔梯度方向直方图二值特征，描述全局与局部区域的纹理和形状；并根据特征描述的二值性和多模性，设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图，跟踪器通过分析信任图实现目标跟踪，并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法，从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化，部分遮挡等情况具

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_38653155

  1. 工业过程中的数据挖掘对预测的不同机器学习模型的评估：工业过程中的数据挖掘：用于产品质量预测的不同机器学习模型的评估。 评估的模型类型是随机森林，朴素高斯贝叶斯，逻辑回归，K最近邻和支持向量机。 非基于时间的基于状态的方法与基于时间序列的方法

  2. 工业过程中的数据挖掘对预测的不同机器学习模型的评估：工业过程中的数据挖掘：用于产品质量预测的不同机器学习模型的评估。 评估的模型类型是随机森林，朴素高斯贝叶斯，逻辑回归，K最近邻和支持向量机。 非基于时间的基于状态的方法与基于时间序列的方法的比较。 最终结果精度为99.83％

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42133861

  1. 黑客的概率编程和贝叶斯方法：又名“黑客的贝叶斯方法”：贝叶斯方法+概率编程的介绍，具有计算上的第一，数学第二的观点。 全部使用纯Python;）-源码

  2. 使用Python和PyMC 贝叶斯方法是推论的自然方法，但对于缓慢的数学分析的各章，读者却看不见它。 关于贝叶斯推理的典型文章涉及概率论的两到三章，然后输入贝叶斯推理是什么。 不幸的是，由于大多数贝叶斯模型的数学难解性，仅向读者显示了简单的人工示例。 这可以用所谓的什么感觉有关贝叶斯推理留给用户。 实际上，这是作者自己的事先意见。 在贝叶斯方法最近在机器学习竞赛中取得一些成功之后，我决定再次研究该主题。 即使具有数学背景，我也花了连续三天的时间阅读示例，并尝试将各个部分放在一起以理解方法。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：22020096
    • 提供者：weixin_42140710

  1. 推断：Infer.NET是用于在图形模型中运行贝叶斯推断的框架-源码

  2. 推断网 Infer.NET是用于在图形模型中运行贝叶斯推理的框架。 它也可以用于概率编程。 可以使用Infer.NET解决许多不同种类的机器学习问题-从， 或等标准问题到。 Infer.NET已在许多领域中使用，包括信息检索，生物信息学，流行病学，视觉等。 内容 建立状态 释放 视窗 Linux 苹果系统 安装预构建的二进制文件 Infer.NET的二进制文件位于。 这些二进制文件是跨平台的，可以在支持.NET的任何地方工作，因此无需选择平台。 核心软件包针对.NET Standard

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：7340032
    • 提供者：weixin_42181888

  1. 天气预报-天气使用-机器学习：使用多项式Lo​​gistic回归，决策树，朴素贝叶斯多项式和支持向量机预测天气-源码

  2. 使用机器学习预测天气 使用多项式Lo​​gistic回归，决策树，朴素贝叶斯多项式和支持向量机进行天气预报 资料集 我们的数据集如下所示，是我们从收集的 我们拥有过去30年[1988-2017]的天气数据。训练和测试集分为两个部分，其中两个类别的数据分别占70％和30％。 参数： 天 月 年 湿度（％） 最高温度（单位⁰C） 最低温度（inC） 雨量（毫米） 海平面压力（以MB为单位） 阳光（小时） 风速（结） 云（在okta中） 训练和测试模型的准确性： 模型 训练准确率（％

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：238592
    • 提供者：weixin_42157567

  1. 圣地亚哥：迭戈：数据输入，智能输出。 一个快速的框架，支持快速构建自动学习任务。 只需创建一个自动学习研究（Study）并生成相关试验（试验）。 然后运行代码并获得机器学习模型。 使用Scikit-learn API词汇表，贝叶斯优化和遗传

  2. 地亚哥 迭戈：数据输入，智能输出。 一个快速的框架，支持快速构建自动学习任务。 只需创建一个自动学习研究（ Study ）并生成相关试验（ Trial ）。 然后运行代码并获得机器学习模型。 使用Scikit-learn API，使用贝叶斯优化和遗传算法进行自动化机器学习。 受到和启发。 由研究训练的分类器。 支持scikit-learn api的AutoML分类器。 支持导出模型并直接使用。 使用贝叶斯优化和遗传算法的超参数优化 支持存储/合并算法和LUS采样方法进行预处理 支持s

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：81920
    • 提供者：weixin_42149145

  1. DiffEqBayes.jl：扩展功能，使用Stan.jl，DynamicHMC.jl和Turing.jl估计微分方程的参数并执行贝叶斯概率科学机器学习-源码

  2. DiffEqBayes.jl：扩展功能，使用Stan.jl，DynamicHMC.jl和Turing.jl估计微分方程的参数并执行贝叶斯概率科学机器学习

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：55296
    • 提供者：weixin_42176612

  1. 机器学习：机器学习实战（Python3）：kNN，决策树，贝叶斯，逻辑回归，SVM，线性回归，树回归-源码

  2. 机器学习 原创文章每月最少两篇文章，后续最新文章会在首发，视频首发，大家可以加我进交流群，技术交流或提意见都可以，欢迎星级！ 文章首发声明 文章在自己的个人网站首发，其他平台文章均属转发，如想获得最新更新进展，欢迎关注我的个人网站： ://cuijiahua.com/ 第二章：kNN（k-邻域算法） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（一）：k-近邻算法（史诗级干货长文） 代码 第三章：决策树（决策树） 文章 个人网站 CSDN 知乎 Python3《机器学

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42128015

  1. 自动化机器学习（AutoML）之自动贝叶斯调参

  2. 【导读】机器学习中，调参是一项繁琐但至关重要的任务，因为它很大程度上影响了算法的性能。手动调参十分耗时，网格和随机搜索不需要人力，但需要很长的运行时间。因此，诞生了许多自动调整超参数的方法。贝叶斯优化是一种用模型找到函数最小值方法，已经应用于机器学习问题中的超参数搜索，这种方法性能好，同时比随机搜索省时。此外，现在有许多Python库可以实现贝叶斯超参数调整。文章由贝叶斯优化方法、优化问题的四个部分、目标函数、域空间、优化过程、及结果展示几个部分组成。 贝叶斯优化通过基于目标函数的过去评估结果建

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：768000
    • 提供者：weixin_38530415

  1. 利用贝叶斯公式实现单词拼写纠正器

  2. 下面总结几个我在学习贝叶斯公式的时候能够对我的理解有所帮助的要点，首先引用一句话： “概率论只不过把常识用数学公式表达了出来”——拉普拉斯 贝叶斯公式将人的思维方式用数学公式表达出来，所以贝叶斯公式在机器学习中的应用则是将人的思维赋予机器。 先抄一遍贝叶斯公式： 贝叶斯公式的直观理解就是，展示了先验概率跟后验概率之间的数学关系，那么什么是先验概率，后验概率又是什么呢？后验概率就是一个在已知结果的情况下，对这个结果的可能原因的概率推测，是一种事后的原因推测，所以叫后验，式中左边需要求解的P(A|

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：94208
    • 提供者：weixin_38751537

  1. 利用贝叶斯公式实现单词拼写纠正器

  2. 下面总结几个我在学习贝叶斯公式的时候能够对我的理解有所帮助的要点，首先引用一句话： “概率论只不过把常识用数学公式表达了出来”——拉普拉斯 贝叶斯公式将人的思维方式用数学公式表达出来，所以贝叶斯公式在机器学习中的应用则是将人的思维赋予机器。 先抄一遍贝叶斯公式： 贝叶斯公式的直观理解就是，展示了先验概率跟后验概率之间的数学关系，那么什么是先验概率，后验概率又是什么呢？后验概率就是一个在已知结果的情况下，对这个结果的可能原因的概率推测，是一种事后的原因推测，所以叫后验，式中左边需要求解的P(A|

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：94208
    • 提供者：weixin_38717171

  1. 机器学习算法总结4:朴素贝叶斯法

  2. 朴素贝叶斯(naive Bayes)是基于贝叶斯定理和条件独立假设的分类方法。该方法是生成方法，即通过数据学习输入/输出的联合概率分布，然后基于此模型，对于给定的输入x，求出后验概率最大的输出y。 1.模型 联合概率分布：P(X,Y) 先验概率(边缘概率)分布： 条件概率分布： 三者关系：条件概率分布=联合概率分布/先验概率。 条件概率分布有指数级数量参数，通过条件独立假设(用于分类的特征在类确定的条件下都是条件独立的)，将朴素贝叶斯法变得简单，但会牺牲一定的分类准确率。 条件独立性假设得到

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：226304
    • 提供者：weixin_38692202

  1. 机器学习：多项式模型朴素贝叶斯分类器（原理+python实现）

  2. 简介 多项式朴素贝叶斯也是多用于文本处理，其原理和计算的流程和伯努利朴素贝叶斯基本一致，唯一的区别在于单词的计数方式，由《伯努利朴素贝叶斯》一文可知，在文本处理的环节中，我们将单词是否出现在词组作为特征，但在多项式朴素贝叶斯中，我们将单词在词组中出现的次数作为特征，因此只需要更改文中setOfWords2Vec的函数即可，变成如下方式： def bagOfWords2VecMN(vocabList, inputSet): returnVec = [0] * len(vocabList)

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：68608
    • 提供者：weixin_38694006
« 1 2 3 4 5 67 8 9 10 11 ... 28 »