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. Medicare-Fraud-Prediction：使用机器学习模型（如逻辑回归，随机森林和支持向量机）基于索赔，预测潜在欺诈提供者，以可视化索赔发生-源码

  2. 医疗保险欺诈预测 医疗保健领域的欺诈是医疗保险行业的主要关注之一。 消息人士称，由于虚假索赔，总支出大幅增加。 医疗保健欺诈有多种形式，提供商的几种常见欺诈类型是：对未提供的服务收费，重复的索赔提交，通过对更复杂或更昂贵的服务收费来歪曲服务。 该项目的目标是使用逻辑回归，随机森林估计量并基于索赔，预测潜在的欺诈提供者，并可视化索赔发生。 在检测潜在欺诈提供者的行为时，探索性分析将发现重要变量，以了解提供者索赔中的欺诈模式。 语言：Python

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：532480
    • 提供者：weixin_42099151

  1. MachineLearning-ERbreastCancer：带有梯度下降逻辑回归的ER乳腺癌预测-源码

  2. 使用梯度下降逻辑回归的ER乳腺癌预测 乔治娜·冈萨雷斯（Georgina Gonzalez） 拷贝数畸变，基因组区域的得失是癌症的标志。 拷贝数数据是高维数据，具有大量相关特征。 通常，像在这种情况下一样，样本数量比特征数量少。 在这项工作中，我首先使用阵列CGH的拓扑分析（TAaCGH）[1]降低了维度，从而检测出雌激素受体（ER +）过表达的患者的拷贝数显着异常。 接下来，确定每个患者的特定区域是否异常，从而创建一组二进制变量，这些变量将用作梯度下降逻辑回归模型的特征以预测ER +乳腺癌[

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：250880
    • 提供者：weixin_42166105

  1. Stroke_Prediction_6ML_models：该项目使用六个机器学习模型（XGBoost，随机森林分类器，支持向量机，逻辑回归，单决策树分类器和TabNet）进行笔画预测。 为此，我使用了Kaggle的“ healthcare-

  2. Stroke_Prediction_6ML_models 该项目使用六个机器学习模型（XGBoost，随机森林分类器，支持向量机，逻辑回归，单决策树分类器和TabNet）进行笔画预测。 为此，我使用了Kaggle的“ healthcare-dataset-stroke-data”。 为了确定哪种模型最适合进行笔画预测，我绘制了每种模型的曲线下面积（AUC）。 AUC越高，模型越好

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：226304
    • 提供者：weixin_42104181

  1. 带有逻辑回归的情感分析：使用逻辑回归的情感分析-源码

  2. 带有逻辑回归的情感分析：使用逻辑回归的情感分析

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：3145728
    • 提供者：weixin_42127020

  1. 爆炸性数据分析-EDA基本和逻辑回归模型：爆炸性数据分析（EDA）基础和逻辑回归模型-源码

  2. 爆炸性数据分析-EDA基本和逻辑回归模型：爆炸性数据分析（EDA）基础和逻辑回归模型

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：65536
    • 提供者：weixin_42103128

  1. LogReg：LogReg：一种从基因表达数据中发现生物标志物的正则逻辑回归方法-源码

  2. LogReg LogReg：一种从基因表达数据中发现生物标志物并与其他5种RFE方法进行比较的常规逻辑回归方法。 在Data_SPTB文件夹中，我们仅给出每个R程序输入的文件格式的示例。 输入文件仅给出前几行，但这不会影响文章的结果。 （1）“ Box_PRS.R” ----在独立数据集中获取早产风险评分（PRS）的箱线图。 （2）“ Class_ROC.R” ----通过AUC值验证独立数据集上已识别的生物标记。 （3）“ DEgene.R” ----识别数据集上的差异表达基因（DEG

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：234496
    • 提供者：weixin_42146086

  1. ML_Fault理解：实验的复制，描述性统计信息（ANOVA，Chi2square，Wilcoxon，功效计算），相关分析（Kendall-tau），预测模型（逻辑回归）。 目的是研究影响故障理解准确性的因素。 分析的因素是程序员的属性（专

  2. ML_Fault了解 目标： 研究影响故障理解准确性的因素（识别导致软件故障的代码的能力）。 分析的因素包括程序员的属性（专业，经验，编码能力）和任务（持续时间，自信心，难度）。 指标： 退出率 任务吸收率 资格分数 任务持续时间 说明尺寸 评价者间的可靠性 数据： 进行两次实验来识别导致软件故障的代码。 实验： E1：5405个任务，777个程序员，10个流行的开源项目中的10个实际失败 E2：2580个任务，497个程序员，5个流行的开源项目中的8个真正的失败 分析方法： 实验复制

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：1048576
    • 提供者：weixin_42098759

  1. AB测试新网页：AB测试和逻辑回归方法，用于确定新网页是否比旧网页产生更高的转化率-源码

  2. A / B测试：新网页 背景 一家电子商务公司开发了一个新的网页，以尝试增加“转换”用户的数量，这意味着决定为公司产品付款的用户数量。 作为数据分析师，我的职责是分析实验结果，以帮助公司了解他们应该实施新页面，保留旧页面还是运行实验更长的时间来做出决定。 我将关键指标定义为转化率。 数据集 ab_data.csv包含有关user_id，时间戳，处理或控制组，landing_page和是否已转换的信息。 countries.csv包含使用过的国家/地区的列表 数据整理 我处理了缺少或重复值的

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：3145728
    • 提供者：weixin_42131316

  1. SAS统计业务分析师专业证书：以建模者身份与众不同。 您将获得SAS统计，建模和编程技能，包括ANOVA，回归，逻辑回归，建模的业务应用以及建模的挑战-源码

  2. SAS统计业务分析师专业证书 以建模者的身份与众不同。 您将获得SAS统计，建模和编程技能，包括ANOVA，回归，逻辑回归，建模的业务应用和建模挑战。 您将学到什么 使用一个或多个输入执行方差分析，回归和逻辑回归分析 准备预测模型的输入 训练，验证和评估统计模型 获得技能 预测建模 SAS编程 多元时间序列分析 多元分析 多元统计 替代模型 过采样 逻辑回归 回归 关于此专业证书 该计划适用于那些希望增强其预测和统计建模技能以推动数据灵通的业务成果的人。 如果为业务成果建模的数据与您的工作角色或

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1048576
    • 提供者：weixin_42152298

  1. 泰坦尼克号逻辑回归-源码

  2. 泰坦尼克号逻辑回归

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：106496
    • 提供者：weixin_42124743

  1. machinelearning-R：此存储库包括一些使用技术和模型的短期机器学习项目，其中包括k均值聚类，决策树和逻辑回归-源码

  2. machinelearning-R：此存储库包括一些使用技术和模型的短期机器学习项目，其中包括k均值聚类，决策树和逻辑回归

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1048576
    • 提供者：weixin_42170064

  1. EDA和胫骨数据的逻辑回归-源码

  2. EDA和胫骨数据的逻辑回归 在“ titanic”数据集上逐步进行探索性数据分析，Logistic回归模型构建和模型评估。

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：79872
    • 提供者：weixin_42131342

  1. 逻辑回归-源码

  2. 逻辑回归

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：2048
    • 提供者：weixin_42099942

  1. Simple-ML-Models：采用梯度下降的简单ML模型的实践实现：线性回归，逻辑回归，softmax回归-源码

  2. 简单ML模型 练习实现具有梯度下降的简单ML模型：线性回归，逻辑回归，softmax回归，以softmax作为最后一层的mlp，决策树。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：10240
    • 提供者：weixin_42128015

  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. 网络入侵检测使用机器学习技术：使用支持向量机（SVM），决策树，朴素贝叶，K最近邻（KNN），逻辑回归和随机森林等算法对网络入侵进行分类-源码

  2. 网络入侵检测使用机器学习技术：使用支持向量机（SVM），决策树，朴素贝叶，K最近邻（KNN），逻辑回归和随机森林等算法对网络入侵进行分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42116058

  1. mnist分类：Pytorch，Scikit学习实现多种分类方法，包括逻辑回归（Logistic回归），多层感知机（MLP），支持向量机（SVM），K近邻（KNN），CNN，RNN，极简代码适合新手小白入门，附英文实验报告（ACM模板）-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42109125

  1. 逻辑回归、决策树和支持向量机

  2. 摘要：分类问题是商业业务中遇到的主要问题之一。本文对三种主要技术展开讨论，逻辑回归（LogisticRegression）、决策树（DecisionTrees）和支持向量机（SupportVectorMachine，SVM）。分类问题是我们在各个行业的商业业务中遇到的主要问题之一。在本文中，我们将从众多技术中挑选出三种主要技术展开讨论，逻辑回归（LogisticRegression）、决策树（DecisionTrees）和支持向量机（SupportVectorMachine，SVM）。上面列出的

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：509952
    • 提供者：weixin_38507121

  1. 机器学习：逻辑回归与Python代码实现

  2. 本篇博文的理论知识都来自于吴大大的Coursera机器学习课程，人家讲的深入浅出，我就不一一赘述，只是简单概括一下以及记一下自己的见解。 逻辑回归一般用于分类问题较多，但是叫做“regression”，而线性回归一般不建议用于分类，因为输出的y的值可能超出0/1范围。这也就是为什么逻辑回归假设函数里面有sigmoid函数的原因了。 逻辑回归问题不在采用“最小均方”误差，因为里面含有非线性的sigmiod函数，使得成本函数J不再是一个平滑的“碗”，容易导致“局部最优”，所以采用如

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：71680
    • 提供者：weixin_38558246

  1. 基于逻辑回归的车辆检测方法研究

  2. 针对高速公路追尾事故频发而导致自动驾驶系统需要提高车辆检测的实时性问题，本文提出了一种基于逻辑回归的车辆检测方法。首先，通过对包含车辆与非车辆图像的训练集提取HOG特征来训练逻辑回归分类模型以获得好的回归系数；然后，采用滑动窗口机制对截取的视频帧提取HOG特征并利用过训练好的逻辑回归模型进行检测，并结合非极大值抑制技术去除了多余的检测窗口；通过实验，在车辆图像的测试集上该模型的识别正确率达到了96.23%，在视频帧上的车辆检测效果显示该方法可满足实时性要求。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38735570
« 1 2 ... 4 5 6 7 8 910 11 12 13 14 ... 50 »