分享
VIP会员
作者：CSDN
出版社：CSDN《程序员》
ISBN：1111111111117
VIP会员免费
（仅需0.8元/天）
¥ 40000.0
温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！
电子书推荐
-
-
集体智慧编程 评分:
本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。, 本书是Web开发者、架构师、应用工程师等的绝佳选择。
上传时间：2017-09 大小：27.94MB
159B《集体智慧编程》PDF版本下载.txt
2019-07-17《集体智慧编程》PDF版本下载
8.60MB《集体智慧编程》第四章 搜索引擎数据集
2016-12-11《集体智慧编程》第四章 搜索引擎数据集
- 29.76MB
集体智慧编程（中英文版）两本
2018-05-22集体智慧编程集体智慧编程集体智慧编程集体智慧编程集体智慧编程
- 15.79MB
( 集体智慧编程代码.zip )
2018-04-15( 集体智慧编程代码.zip ) ( 集体智慧编程代码.zip ) ( 集体智慧编程代码.zip )
27.31MB集体智慧编程书籍及本书源码
2017-03-23集体智慧编程书籍及源码 PCI_Code.zip 集体智慧编程.pdf
- 2.71MB
集体智慧编程源代码.rar
2021-03-24集体智慧编程源代码.rar
27.89MB集体智慧编程 python
2011-08-29集体智慧编程（知道的人都知道这本书，不解释，现在很难买到字纸的）
- 287KB
集体智慧编程书中源码(全)
2018-09-29集体智慧编程书中源码(全)
27.65MB集体智慧编程.pdf
2017-11-10集体智慧编程.pdf 个人收集电子书，仅用学习使用，不可用于商业用途，如有版权问题，请联系删除！
- 740KB
集体智慧编程数据和源代码2017最新
2017-12-07这是最新有关集体智慧编程的数据和源代码， 请大家收好！
- 234KB
集体智慧编程-源代码
2018-08-22集体智慧编程-源代码，简要的代码吧，积分也不多，留着可以以后需要的时候直接找来下载
- 47.83MB
集体智慧编程2种语言（中文，英文）完整pdf，和完整源代码
2017-11-21集体智慧编程2种语言（中文，英文）完整pdf，和完整源代码 集体智慧编程2种语言（中文，英文）完整pdf，和完整源代码 集体智慧编程2种语言（中文，英文）完整pdf，和完整源代码 集体智慧编程2种语言（中文，英文）...
- 20.52MB
集体智慧编程searchindex.db
2016-04-18集体智慧编程第四章需要的searchindex.db
- 26.81MB
集体智慧编程 第4章 数据文件
2016-12-12集体智慧编程 第4章 数据文件
- 212KB
集体智慧编程数据集和源代码
2016-04-20这是集体智慧编程的书里面的所有源代码,加上还有所有的数据集，值得学习
- 27.42MB
集体智慧编程_含目录_code
2018-02-21集体智慧编程（中文版），含目录，源码
- 27.41MB
集体智慧编程书本及源码
2013-06-15集体智慧编程PDF及书本源码，绝对好东西~很值哦
- 671KB
集体智慧编程数据集及源码
2018-04-07集体智慧编程教材中涉及到的源码及数据集，帮助您学习。
- 483KB
集体智慧编程第三章代码加资源
2018-06-08集体智慧编程第三章源代码加资源 已经修正可运行 支持python3
- 27.16MB
集体智慧编程中文版
2017-11-18集体智慧编程 中文版 机器学习入门
- 1.95MB
ChatGPT教程（终极版）最全整理
2023-05-16这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门，你看我这篇文章就够了。 如果你已经用上了ChatGPT，更要恭喜你挖到宝藏，后面的高级技巧一定能让你有收获。 文章包含以下内容： 一、ChatGPT是啥？有什么用； 二、ChatGPT如何注册； 三、ChatGPT使用方法； 四、用ChatGPT搞钱； 五、高级技巧；
- 1.7MB
yolov8调用zed相机实现三维测距（版本一）
2024-04-16yolov8调用zed相机实现三维测距（版本一），具体内容见博客https://blog.csdn.net/qq_45077760?type=blog
- 6.77MB
基于Python+pytorch的图像处理+附完整代码图像处理，能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作
2024-04-17Python+PyTorch：图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里，Python和PyTorch这对黄金搭档，就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”，总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性，引领着图像处理技术的发展潮流，让无数开发者为之倾倒。Python，这位优雅的魔法师，以其简洁易懂的语法和丰富的库资源，赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习，Python都能轻松应对，展现出其无与伦比的魅力。在图像处理领域，Python更是如鱼得水，通过OpenCV、PIL等库，能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作，让图像在指尖起舞。而PyTorch，这把图像处理界的“瑞士军刀”，则以其灵活性和易用性，成为深度学习领域的翘楚。它拥有强大的自动求导功能，能够轻松构建和训练复杂的神经网络模型。在图像处理中，PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型，让图像焕发出新的生机。想象一下，当你掌握了Python和PyTorch这对黄金搭档，就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为
- 58KB
博客中Kmeans以及FCM算法数据（免积分）
2023-05-16博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。
- 1.25MB
hugging face的models-openai-clip-vit-large-patch14文件夹
2023-10-25用于无法访问hugging face并需要运行stable-diffusion-webui时使用
- 10KB
神经网络回归预测--气温数据集
2021-11-26神经网络回归预测--气温数据集
- 1.87MB
XGBoost+LightGBM+LSTM-光伏发电量预测
2022-12-24包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献
- 2.20MB
Mathwork+Matlab+编程手册
2023-08-25Introduction to Programming with MATLAB ~ Vanderbilt University
- 321KB
Stable-Diffusion WEBUI 简体中文语言包（2023.05.30更新）
2023-05-30AI绘图，Stable-Diffusion WEBUI，本地化（简体中文）语言文件。 原始文件来自翻译插件，根据自己实际使用情况，增加和修改了一些翻译。 配合【双语插件】看上去要自然一点，内容还在继续完善中。 本次增加了一些翻译内容，特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文，所以别直接选它用。 请配合【Bilingual Localization】插件使用，双语同时显示，效果最好。
- 407KB
时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类，点击即可运行！
2023-09-25内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中，我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法，适用于各种机器学习任务，它最初主要用于解决分类问题，在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用，包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分，可以将模型保存到本地，一旦我们完成了模型的训练，我们可以使用它来进行预测。我们将选择合适的输入特征，并根据模型的预测结果来生成未来的数值序列。最后，我们会将预测结果与实际观测值进行对比，评估模型的准确性和性能。 适合人群：时间序列预测的学习者,机器学习的学习者， 能学到什么：本模型能够让你对机器学习和时间序列预测有一个清楚的了解，其中还包括数据分析部分和特征工程的代码操作 阅读建议：大家可以仔细阅读代码部分，其中包括每一步的注释帮助读者进行理解，其中涉及到的知识有数据分析部分和特征工程的代码操作。
