机器学习实践指南
作者:Atul Tripathi
出版社:机械工业出版社
ISBN:9787111592129
VIP会员免费
(仅需0.8元/天)
¥ 40.0
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
-
机器学习实践指南:案例应用解析(第二版)完整版PDF[82MB] 评分:
第一部分 准备篇 第1章 机器学习发展及应用前景 2 1.1 机器学习概述 2 1.1.1 什么是机器学习 3 1.1.2 机器学习的发展 3 1.1.3 机器学习的未来 4 1.2 机器学习应用前景 5 1.2.1 数据分析与挖掘 5 1.2.2 模式识别 6 1.2.3 更广阔的领域 6 1.3 小结 7 第2章 科学计算平台 8 2.1 科学计算软件平台概述 9 2.1.1 常用的科学计算软件 9 2.1.2 本书使用的工程计算平台 10 2.2 计算平台的配置 11 2.2.1 Numpy等Python科学计算包的安装与配置 11 2.2.2 OpenCV 安装与配置 14 2.2.3 mlpy 安装与配置 14 2.2.4 BeautifulSoup安装与配置 15 2.2.5 Neurolab安装与配置 15 2.2.6 R安装与配置 16 2.3 小结 16 第二部分 基础篇 第3章 计算平台应用实例 18 3.1 Python计算平台简介及应用实例 18 3.1.1 Python语言基础 18 3.1.2 Numpy库 29 3.1.3 pylab、matplotlib绘图 36 3.1.4 图像基础 38 3.1.5 图像融合与图像镜像 46 3.1.6 图像灰度化与图像加噪 48 3.1.7 声音基础 51 3.1.8 声音音量调节 53 3.1.9 图像信息隐藏 58 3.1.10 声音信息隐藏 62 3.2 R语言基础 68 3.2.1 基本操作 69 3.2.2 向量 71 3.2.3 对象集属性 77 3.2.4 因子和有序因子 78 3.2.5 循环语句 79 3.2.6 条件语句 79 3.3 R语言科学计算 80 3.3.1 分类(组)统计 80 3.3.2 数组与矩阵基础 81 3.3.3 数组运算 84 3.3.4 矩阵运算 85 3.4 R语言计算实例 93 3.4.1 学生数据集读写 93 3.4.2 最小二乘法拟合 94 3.4.3 交叉因子频率分析 96 3.4.4 向量模长计算 97 3.4.5 欧氏距离计算 98 3.5 小结 99 思考题 99 第4章 生产环境基础 100 4.1 Windows Server 2008基础 100 4.1.1 Windows Server 2008 R2概述 101 4.1.2 Windows PowerShell 102 4.2 Linux基础 103 4.2.1 Linux命令 104 4.2.2 Shell基础 114 4.3 Vim编辑器 122 4.3.1 Vim编辑器概述 122 4.3.2 Vim常用命令 123 4.4 虚拟化平台 124 4.4.1 Citrix Xenserver概述 125 4.4.2 Citrix Xenserver部署 126 4.4.3 基于XenCenter的虚拟服务器管理 126 4.5 Linux环境下的NumPy安装 135 4.6 Linux环境下的R运行环境 136 4.7 PyPy编译器 136 4.7.1 PyPy概述 136 4.7.2 PyPy安装与配置 137 4.7.3 PyPy性能 137 4.7.4 PyPy实践之Lempel-Ziv压缩 138 4.8 小结 145 思考题 146 第三部分 统计分析实战篇 第5章 统计分析基础 148 5.1 数据分析概述 148 5.2 数学基础 149 5.3 回归分析 154 5.3.1 单变量线性回归 154 5.3.2 多元线性回归 156 5.3.3 非线性回归 157 5.4 数据分析基础 159 5.4.1 区间频率分布 159 5.4.2 数据直方图 161 5.4.3 数据散点图 162 5.4.4 五分位数 164 5.4.5 累积分布函数 165 5.4.6 核密度估计 166 5.5 数据分布分析 167 5.6 小结 169 思考题 170 第6章 描述性分析案例 171 6.1 数据图形化案例解析 171 6.1.1 点图 171 6.1.2 饼图和条形图 172 6.1.3 茎叶图和箱线图 173 6.2 数据分布趋势案例解析 175 6.2.1 平均值 175 6.2.2 加权平均值 175 6.2.3 数据排序 176 6.2.4 中位数 177 6.2.5 极差、半极差 177 6.2.6 方差 178 6.2.7 标准差 178 6.2.8 变异系数、样本平方和 178 6.2.9 偏度系数、峰度系数 179 6.3 正态分布案例解析 180 6.3.1 正态分布函数 180 6.3.2 峰度系数分析 181 6.3.3 累积分布概率 181 6.3.4 概率密度函数 182 6.3.5 分位点 183 6.3.6 频率直方图 185 6.3.7 核概率密度与正态概率分布图 185 6.3.8 正态检验与分布拟合 186 6.3.9 其他分布及其拟合 188 6.4 多变量分析 189 6.4.1 多变量数据分析 189 6.4.2 多元数据相关性分析 197 6.5 小结 201 思考题 201 第7章 假设检验与回归模型案例 202 7.1 假设检验 202 7.1.1 二项分布假设检验 202 7.1.2 数据分布检验 204 7.1.3 正态总体均值检验 205 7.1.4 列联表 206 7.1.5 符号检测 207 7.1.6 秩相关检验 210 7.1.7 Kendall相关检验 213 7.2 回归模型 214 7.2.1 回归预测与显著性检验 214 7.2.2 回归诊断 216 7.2.3 回归优化 217 7.2.4 主成分回归 219 7.2.5 广义线性模型 221 7.3 小结 226 思考题 226 第四部分 机器学习实战篇 第8章 机器学习算法 230 8.1 神经网络 230 8.1.1 Rosenblatt感知器 232 8.1.2 梯度下降 245 8.1.3 反向传播与多层感知器 251 8.1.4 Python神经网络库 270 8.2 统计算法 272 8.2.1 平均值 272 8.2.2 方差与标准差 274 8.2.3 贝叶斯算法 276 8.3 欧氏距离 279 8.4 余弦相似度 280 8.5 SVM 281 8.5.1 数学原理 281 8.5.2 SMO算法 283 8.5.3 算法应用 283 8.6 回归算法 287 8.6.1 线性代数基础 288 8.6.2 最小二乘法原理 289 8.6.3 线性回归 290 8.6.4 多元非线性回归 292 8.6.5 岭回归方法 294 8.6.6 伪逆方法 295 8.7 PCA降维 296 8.8 关联规则 297 8.8.1 关联规则概述 297 8.8.2 频繁项集算法 298 8.8.3 关联规则生成 301 8.8.4 实例分析 302 8.9 自动分类 306 8.9.1 聚类算法 306 8.9.2 决策树 313 8.9.3 AdaBoost 316 8.9.4 竞争型神经网络 317 8.9.5 Hamming神经网络 323 8.10 小结 325 思考题 325 第9章 数据拟合案例 327 9.1 数据拟合 327 9.1.1 图像分析法 327 9.1.2 神经网络拟合法 338 9.2 线性滤波 352 9.2.1 WAV声音文件 352 9.2.2 线性滤波算法过程 352 9.2.3 滤波Python实现 353 9.3 数据或曲线平滑 358 9.3.1 平滑概述 358 9.3.2 移动平均 359 9.3.3 递归线性过滤 362 9.3.4 指数平滑 364 9.4 小结 368 思考题 368 第10章 图像算法案例 370 10.1 图像边缘算法 370 10.1.1 数字图像基础 370 10.1.2 算法描述 371 10.2 图像匹配 372 10.2.1 差分矩阵求和 373 10.2.2 差分矩阵均值 375 10.2.3 欧氏距离匹配 376 10.3 图像分类 382 10.3.1 余弦相似度 382 10.3.2 PCA图像特征提取算法 388 10.3.3 基于神经网络的图像分类 389 10.3.4 基于SVM的图像分类 394 10.4 高斯噪声生成 397 10.5 二值化 401 10.5.1 threshold 401 10.5.2 adaptiveThreshold 402 10.6 插值与缩放 404 10.7 仿射 405 10.7.1 仿射原理 405 10.7.2 仿射变换实例 405 10.8 透视投影与透视变换 406 10.8.1 透视投影原理 406 10.8.2 透视投影实例 407 10.9 灰度变换与图像增强 409 10.9.1 灰度变换概述 409 10.9.2 对数变换 409 10.9.3 分段线性变换 410 10.9.4 指数变换 411 10.9.5 直方图均衡化 412 10.10 图像滤波与除噪 415 10.10.1 均一化块滤波 415 10.10.2 邻域平均法 420 10.10.3 中值滤波 423 10.10.4 高斯滤波 427 10.10.5 双边滤波 429 10.10.6 卷积滤波 431 10.10.7 边缘检测 433 10.11 小结 435 思考题 435 第11章 机器视觉案例 437 11.1 人脸辨识 437 11.1.1 人脸定位 437 11.1.2 人脸辨识 439 11.2 手写数字识别 446 11.2.1 手写数字识别算法 446 11.2.2 算法的Python实现 447 11.3 运动侦测 449 11.3.1 视频采集 450 11.3.2 差分算法 452 11.3.3 光流法 456 11.4 形状检测 458 11.4.1 KNN算法概述 458 11.4.2 形状特征提取 459 11.4.3 形状分类 459 11.5 小结 462 思考题 462 第12章 文本分类案例 463 12.1 文本分类概述 463 12.2 余弦相似度分类 464 12.2.1 中文分词 465 12.2.2 停用词清理 467 12.2.3 算法实战 468 12.3 朴素贝叶斯分类 473 12.3.1 算法描述 473 12.3.2 先验概率计算 474 12.3.3 最大后验概率 474 12.3.4 算法实现 474 12.4 自然语言处理 480 12.4.1 NLTK简介 480 12.4.2 NLTK与jieba的配置 481 12.4.3 中文分词并标注词性 483 12.4.4 词特征指标分析 484 12.4.5 Web文档分析 499 12.4.6 Web文档的朴素贝叶斯分类 503 12.4.7 语法结构分析 515 12.4.8 Web文档聚类 518 12.5 小结 526
上传时间:2018-01 大小:49B
- 12.1MB
AWTK开发实践及API手册
2020-10-30本资源包括: AWTK开发实践.pdf AWTK-API.chm 一、介绍 AWTK全称Toolkit AnyWhere,是ZLG开发的开源GUI引擎,旨在为嵌入式系统、WEB、各种小程序、手机和PC打造的通用GUI引擎,为用户提供一个功能强大、高效可靠、简单易用、可轻松做出炫酷效果的GUI引擎
- 23.42MB
Android的API完整参考手册.
2017-06-27Android的API完整参考手册,新手+老手必备,值得参考,不看这个你白学Android
- 8.90MB
AWTK开发手册-AWTK开发实践指南-中文手册.pdf
2019-12-30AWTK开发手册-AWTK开发实践指南-中文手册.pdf AWTK = Toolkit AnyWhere 随着手机、智能手表等便携式设备的普及,用户对 GUI 的要求越来越高,嵌入式系统对高性能、高可靠性、低功耗、美观炫酷的 GUI 的需求也越来越迫切,ZLG开源 GUI 引擎 AWTK 应运而生。AWTK 全称为 Toolkit AnyWhere,是 ZLG 倾心打造的一套基于 C 语言开发的 GUI 框架。旨在为用户提供一个功能强大、高效可靠、简单易用、可轻松做出炫酷效果的 GUI 引擎,并支持跨平台同步开发,一次编程,终生使用。 最终目标: 支持开发嵌入式软件。 支持开发Linux应用程序。 支持开发MacOS应用程序。 支持开发Windows应用程序。 支持开发Android应用程序。 支持开发iOS应用程序。 支持开发2D游戏。 其主要特色有: 小巧。在精简配置下,不依赖第三方软件包,仅需要32K RAM + 256K FLASH即可开发一些简单的图形应用程序。 高效。采用脏矩形裁剪算法,每次只绘制和更新变化的部分,极大提高运行效率和能源利用率。 稳定。通过良好的架构设计和编程风格、单元测试、动态(valgrind)检查和Code Review保证其运行的稳定性。 丰富的GUI组件。提供窗口、对话框和各种常用的组件(用户可以配置自己需要的组件,降低对运行环境的要求)。 支持多种字体格式。内置位图字体(并提供转换工具),也可以使用stb_truetype或freetype加载ttf字体。 支持多种图片格式。内置位图图片(并提供转换工具),也可以使用stb_image加载png/jpg等格式的图片。 紧凑的二进制界面描述格式。可以手工编辑的XML格式的界面描述文件,也可以使用Qt Designer设计界面,然后转换成紧凑的二进制界面描述格式,提高运行效率,减小内存开销。 支持主题并采用紧凑的二进制格式。开发时使用XML格式描述主题,然后转换成紧凑的二进制格式,提高运行效率,减小内存开销。 支持裸系统,无需OS和文件系统。字体、图片、主题和界面描述数据都编译到代码中,以常量数据的形式存放,运行时无需加载到内存。 内置nanovg实现高质量的矢量动画,并支持SVG矢量图。 支持窗口动画、控件动画、滑动动画和高清LCD等现代GUI常见特性。 支持国际化(Unicode、字符串翻译和输入法等)。 可移植。支持移植到各种RTOS和嵌入式Linux系统,并通过SDL在各种流行的PC/手机系统上运行。 脚本化。从API注释中提取API的描述信息,通过这些信息可以自动生成各种脚本的绑定代码。 支持硬件2D加速(目前支持STM32的DMA2D和NXP的PXP)和GPU加速(OpenGL/OpenGLES/DirectX/Metal),充分挖掘硬件潜能。 丰富的文档和示例代码。 采用LGPL协议开源发布,在商业软件中使用时无需付费。 目前核心功能已经完成,内部开始在实际项目中使用了,欢迎有兴趣的朋友评估和尝试,期待您的反馈。
- 36.14MB
吴恩达机器学习课件
2018-02-07吴恩达机器学习课件 吴恩达机器学习课件 吴恩达机器学习课件
- 1.0MB
AWTK 编译与调试 环境搭建指南.pdf
2020-03-20AWTK 编译与调试 环境搭建指南 第一种方法:Git 第二种方法:VScode编译 第三种方法:VS环境下编译与调试
- 106B
机器学习实践指南:案例应用解析(第二版)-附件资源
2021-03-05机器学习实践指南:案例应用解析(第二版)-附件资源
- 1.62MB
Python机器学习实践指南.zip_python_python 教程_python 机器学习_python机器学习_机器学习
2022-07-15python编程资料,实用,可自行学习.除此之外还可学习机器学习算法。
- 167KB
机器学习-实用案例解析 第二章 代码和数据
2014-05-29机器学习-实用案例解析 第二章 代码和数据
- 451KB
机器学习十大算法:AdaBoost.pdf
2021-09-27机器学习十大算法:AdaBoost.pdf
- 2KB
机器学习算法实践:knn算法实现分类,计算识别准确率(鸢尾花数据集)
2023-06-21机器学习算法实践:knn算法实现分类,计算识别准确率(鸢尾花数据集) 机器学习算法实践:knn算法实现分类,计算识别准确率(鸢尾花数据集) 机器学习算法实践:knn算法实现分类,计算识别准确率(鸢尾花数据集) ...
- 29.7MB
吴恩达机器学习编程作业
2018-02-23吴恩达机器学习编程作业,Coursera-机器学习-吴恩达-课后习题答案-编程练习全部答案(ex1-ex8),可信度高
- 142B
吴恩达机器学习百度云网盘链接.txt
2019-08-12吴恩达机器学习视频课程教学完整版,为节约空间,存储于百度云网盘,需要的自取
- 268KB
吴恩达机器学习逻辑回归练习题及答案
2019-01-04本资源中,包含吴恩达机器学习逻辑回归练习题及答案,使用octave编写与课程一致,答案已经根据要求填充到相应的函数文件中。
- 643KB
neurolab.tar
2017-06-13neurolab PYTHON神经网络库
- 202KB
python neurolab包
2017-01-13neurolab包 LVQ神经网络所需
- 9.16MB
2022年中国元宇宙产业系列研究报告基础设施篇(2):机器学习应用解析短报告(26页).pdf
2022-02-162022年中国元宇宙产业系列研究报告基础设施篇(2):机器学习应用解析短报告(26页).pdf
- 40.47MB
Python机器学习实践指南_python_machinelearning_
2021-09-29通过易于理解的项目,你将学习如何处理各种类型的数据,如何以及何时应用不同的机器学习技术,包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践。例如,你将学习如何使用聚类技术来发现低价的机票...
- 3.23MB
机器学习算法与应用.pdf
2021-09-24机器学习算法与应用.pdf
- 67.60MB
机器学习基础:案例研究.zip
2021-09-23机器学习基础:案例研究.zip
- 202KB
人工智能及案例分析
2018-05-18课程介绍 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 人工智能已经来了,它就在我们身边几乎无处不。技术正彻底改变类 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 的认知,重建人机相互协作关系。前所未有自动驾驶正在构我们头脑中出行地图和 人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆人类生活图景,今天的 工智能技术也正在翻译、写作绘画等文和艺领域进行大胆尝试。 我们真的知道什么是人工智能吗 我们真的知道什么是人工智能吗 我们真的知道什么是人工智能吗 我们真的知道什么是人工智能吗 ? 我们真的准备好与人工智能共同发展了吗 我们真的准备好与人工智能共同发展了吗 我们真的准备好与人工智能共同发展了吗 我们真的准备好与人工智能共同发展了吗 我们真的准备好与人工智能共同发展了吗 ? 我们该如何在心理上将人和机器摆正确的位置 我们该如何在心理上将人和机器摆正确的位置 我们该如何在心理上将人和机器摆正确的位置 我们该如何在心理上将人和机器摆正确的位置 我们该如何在心理上将人和机器摆正确的位置 ? 我们该如何规划人工智能时代的未来生活…… 我们该如何规划人工智能时代的未来生活…… 我们该如何规划人工智能时代的未来生活…… 我们该如何规划人工智能时代的未来生活…… 我们该如何规划人工智能时代的未来生活…… 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 当人工智能时代成为必然,个应该做些什么才避免被 AI 取代?企业应该如 取代?企业应该如 何升 级,才能在新的商业变局到来前抓住先机? 级,才能在新的商业变局到来前抓住先机? 级,才能在新的商业变局到来前抓住先机? 级,才能在新的商业变局到来前抓住先机? 级,才能在新的商业变局到来前抓住先机? 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 我们无需担忧和惧怕人工智能时代的到来,所要做应当是尽早认清 AI 与人类 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 的关系,了解变革规律更好地拥抱新时代到来。 通过本课程 拓展一下思维,期待收获 拓展一下思维,期待收获 拓展一下思维,期待收获 拓展一下思维,期待收获 能多一些 。包含:机器 包含:机器 包含:机器 学习 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 、深度学习通信感知与行动等人工智能在 各领域的应用知识。
- 11.55MB
人工智能AI程序与例子
2012-05-29一本关于人工智能的书,纯英文的,想搞人工智能的朋友们有一定参考价值
- 45.24MB
吴恩达机器学习课件与课后习题(原版)
2019-04-16该习题为网易云课堂吴恩达机器学习课程对应的原版英文习题与课件,是由MatLab实现的。如果需要相应Python实现的,请浏览本人其他上传的资料。
- 2KB
吴恩达机器学习多元线性回归作业python实现
2019-07-16吴恩达机器学习多元线性回归作业python实现
- 7.61MB
吴恩达机器学习作业ex4
2019-06-04https://blog.csdn.net/meijie2018_1/article/details/90287938 https://blog.csdn.net/meijie2018_1/article/details/90368652
- 346KB
机器学习理论及应用.pdf
2021-09-24机器学习理论及应用.pdf
- 1.41MB
四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps.pdf
2022-07-10四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps.pdf四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps.pdf四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps.pdf四大机器学习降维算法...
- 8.83MB
Python项目开发实战_4个机器学习经典算法案例_编程案例解析实例详解课程教程.pdf
2023-03-30我们已经学习过线性回归算法,本章将通过具体的案例,逐学习相关的人工智能、机器学习经典算法。需要注意的是,虽然本书和有关文档经常将 Sklearn中相关的机器学习算法称之为“xx机器学习函数”,但其定义都是 class类,...
- 1.64MB
四大机器学习降维算法:PCA、LDA、LLE、Laplacian-Eigenmaps.pdf
2022-07-10四大机器学习降维算法:PCA、LDA、LLE、Laplacian-Eigenmaps.pdf四大机器学习降维算法:PCA、LDA、LLE、Laplacian-Eigenmaps.pdf四大机器学习降维算法:PCA、LDA、LLE、Laplacian-Eigenmaps.pdf四大机器学习降维算法...
- 0B
基础设施篇(2):机器学习应用解析短报告.pdf
2022-11-15基础设施篇(2):机器学习应用解析短报告.pdf 基础设施篇(2):机器学习应用解析短报告.pdf 基础设施篇(2):机器学习应用解析短报告.pdf