机器学习实战:基于ScikitLearn和TensorFlow
作者:Aurélien Géron
出版社:机械工业出版社
ISBN:9787111603023
VIP会员免费
(仅需0.8元/天)
¥ 60.0
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
-
机器学习实战python实例(2)SVM与核函数 训练数据 评分:
http://blog.csdn.net/xiaonannanxn/article/details/52413516机器学习实战python实例(2)SVM与核函数 训练数据
上传时间:2016-09 大小:2KB
- 2KB
SVM训练和测试数据
2013-12-12SVM训练和测试数据。主要用于训练和测试自己写的Python版本的SVM,具体见我的博客: http://blog.csdn.net/zouxy09
- 3KB
一种基于高斯核函数的python代码
2020-09-12将2D高斯核函数根据非正交方向进行分解,得到一维的x轴和其他方向的高斯函数,通过统计学方法,将分解的高斯函数与卷积滤波器或者迭代滤波器结合进行边缘检测。
- 3.23MB
几篇较新的SVM核函数及多类问题的文章
2010-03-01此为几篇较新的SVM文章核函数及多类问题,纯英文的文章
- 3.97MB
svm核函数及参数优化
2015-11-22svm核函数及参数优化,实现多类分类并进行参数优化
- 91KB
Python SVM(支持向量机)实现方法完整示例
2020-09-20主要介绍了Python SVM(支持向量机)实现方法,结合完整实例形式分析了基于Python实现向量机SVM算法的具体步骤与相关操作注意事项,需要的朋友可以参考下
- 4.25MB
支持向量机SVM和核函数的matlab程序代码--完整
2010-10-31支持向量机SVM和核函数的matlab程序代码--完整,调试过的有效的程序
- 2KB
python 高斯分布二维高斯分布代码
2018-07-12本代码为Python3.x,包括高斯分布及二维高斯分布代码,使用了numpy、scipy、matplotlib等包,适合初学者使用
- 20KB
基于Matlab的SVM实例(含数据)
2017-08-15非常清楚的SVM实例,帮助你了解SVM的用法
- 3.45MB
ml上的动手书:使用Scikit-learn,Keras和Tensorflow,AurelionGéron进行的机器学习实践
2021-02-18ml上的动手书:使用Scikit-learn,Keras和Tensorflow,AurelionGéron进行的机器学习实践
- 2KB
机器学习SVM算法训练数据集
2018-05-29testSetRBF2主要用于人工智能机器学习中的数据训练集使用
- 142KB
基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip
2023-12-291.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载体验!下载完使用问题请私信沟通。 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip 基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip 基于多种机器学习算法实现肿瘤识别python源码+数据集+超详细注释(SVM、逻辑回归、决策树、K近邻等).zip
- 1.44MB
【机器学习项目实战】python实现GA(遗传算法)对SVM分类模型参数的优化.zip
2021-08-16Python实现GA(遗传算法)对SVM分类模型参数的优化资料说明:包括数据集+源代码+Word文档说明。 资料内容包括: 1)需求分析; 2)数据采集; 3)数据预处理; 4)探索性数据分析; 5)特征工程; 6)机器建模; 7)模型评估; 8)实际应用
- 66.66MB
基于机器学习SVM与LSTM的商品评论情感分析python源码+数据集+训练好的模型+GUI界面(毕设项目).zip
2023-11-04基于机器学习的商品评论情感分析python源码+数据集+训练好的模型+GUI界面(毕设项目).zip 使用Selenium模拟真实登录行为,并爬取数据。 【数据清理】 如果文本中有“666“,”好好好“等无用词语,去掉评论中的标点符号。 【分词】 使用jieba精确模式进行分词,构造词典 【将词汇向量化】 创建词语字典,并返回每个词语的索引,词向量,以及每个句子所对应的词语索引 【两种分类模型对比】 SVM 对比 LSTM 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习、机器学习、情感分析、模式识别方向学习者。 也可作为课程设计、期末大作业。包含:项目源码和项目操作说明等,该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。基于机器学习的商品评论情感分析python源码+数据集+训练好的模型+GUI界面(毕设项目).zip 使用Selenium模拟真实登录行为,并爬取数据。 【数据清理】 如果文本中有“666“,”好好好“等无用词语,去掉评论中的标点符号。 【分词】 使用jieba精确模式进行分词,构造词典 【将词汇向量化】 创建词语字典,并返回每个词语的索引,词向量,以
- 257KB
机器学习实战(用Scikit-learn和TensorFlow进行机器学习)(二)
2021-02-24本文来自于csdn,本文章主要对真实数据(csv表格数据)的查看以及如何正确的分开训练测试集进行实战操作,希望对您的学习有帮助。5、查看训练集的特征图像信息以及特征之间的相关性上一节粗略地查看了数据的统计信息,接下来需要从训练样本中得到更多的信息,从而对数据进行一些处理。为了防止误操作在查看的时候修改了训练集,所以先复制一份进行操作。对longitude和latitude(经纬度)以散点(scatter)的形式输出,看数据的地区分布。若加上参数alpha=0.1可以看到数据高密度的区域,若alpha设为1,则和上面一样,alpha越靠近0则只加深越高密度的地方。为了查看目标median_hou
- 35KB
opencv实现高斯核函数
2015-11-09opencv实现高斯核函数。 1)sigma可控的高斯核函数 2)sigma和维度可控的高斯核函数
- 47.37MB
Hands-on Machine Learning with Scikit-Learn, Keras, TensorFlow, 2nd Edition.pdf
2019-05-15【高清】这个版本只包含第一部分的前九章的内容,相比于第一版,增加了无监督学习等内容。
- 27.3MB
Hands-on-Machine-Learning-with-Scikit-第二版完整先行版
2019-06-11Hands-on-Machine-Learning-with-Scikit-第二版完整先行版
- 24KB
课程设计作业-基于iris数据集进行机器学习算法(决策树、朴素贝叶斯、随机森林、SVM)的训练,使用交叉检验对比算法预测准确率
2023-06-21课程设计作业——基于iris数据集进行机器学习算法(决策树、朴素贝叶斯、随机森林、SVM)的训练,使用交叉检验对比算法预测准确率 Algorithms Average prediction accuracy(%) Standard deviation 决策树(Decision tree) 93.3636% 0.043608 朴素贝叶斯(Naive Bayes) 93.2727% 0.062879 随机森林(Random forest) 93.3636% 0.059620 支持向量机SVM 96.1818% 0.046851 课程设计作业——基于iris数据集进行机器学习算法(决策树、朴素贝叶斯、随机森林、SVM)的训练,使用交叉检验对比算法预测准确率 Algorithms Average prediction accuracy(%) Standard deviation 决策树(Decision tree) 93.3636% 0.043608 朴素贝叶斯(Naive Bayes) 93.2727% 0.062879 随机森林(Random forest) 93.3636% 0.059
- 25KB
基于iris数据集进行四种机器学习算法(决策树、朴素贝叶斯、随机森林、支持向量机SVM)的训练,使用交叉检验(Cross-val
2023-11-09<项目介绍> 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 -------- ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
- 988.42MB
基于SVM+TensorFlow+Django的酒店评论打分智能推荐系统-机器学习算法应用(含python源码)+数据集+模型
2023-10-071.本项目是以向量机(SVM) 作为技术支持,使用酒店评论集作为数据集,训练出针对酒店评论情感的分析模型,使用word2vec产生词向量,实现服务器端提供数据、客户端查询数据的打分推荐系统。 2.项目运行环境包括:包括Python环境、TensorFlow环境、 安装模块、MySQL数据库。 3.项目包括3个模块:数据预处理、模型训练及保存、模型测试。原始数据包含在两个文件夹中,每个文件夹各有2000条消极和2000条积极的评论;通过训练集训练数据得出模型,使模型进行情感分类,使用训练集和测试集来拟合并保存模型;在携程酒店爬取指定酒店ID的评论集;在数据库中搜索数据,调出酒店分数和排名,生成Django项目,包括hello.html、 view.py、settings.py、 urls.py。 4.项目博客:https://blog.csdn.net/qq_31136513/article/details/133639367
- 14.80MB
基于SVM+webdriver的智能NBA常规赛季后赛结果预测系统-机器学习算法应用(含python+ipynb源码)+数据集
2023-10-181.本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。 2.项目运行环境:Python环境、Jupyter Notebook环境、PyCharm环境和Matlab环境。 3.项目包括4个模块:数据预处理、特征提取、模型训练及评估、模型训练准确率。数据处理分为常规赛和季后赛;其中季后赛预测需要提取的特征有常规赛球队得分、核心球员数量、核心球员得分、教练常规赛执教总场数、常规赛执教总胜率、季后赛执教总场数和季后赛执教总胜率,共7个特征,同时引入相关系数法、随机森林分类法和lasso方法对特征进行重要性评估,并综合3种方法删除重要性排名较低的特征;使用SVM与决策树进行模型训练。 4.博客:https://blog.csdn.net/qq_31136513/article/details/133745858
- 66.66MB
基于机器学习SVM与LSTM模型的商品评论情感分析python源码+数据集+模型+GUI界面(毕业设计).zip
2023-12-11基于机器学习SVM与LSTM模型的商品评论情感分析python源码+数据集+模型+GUI界面(毕业设计).zip 已获导师指导并且高分通过的毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,下载即用确保可以运行! 基于机器学习SVM与LSTM模型的商品评论情感分析python源码+数据集+模型+GUI界面(毕业设计).zip 已获导师指导并且高分通过的毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,下载即用确保可以运行!基于机器学习SVM与LSTM模型的商品评论情感分析python源码+数据集+模型+GUI界面(毕业设计).zip 已获导师指导并且高分通过的毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调
- 13KB
python机器学习支持向量机SVM求解鸢尾花TensorFlow分类问题数据集iris及代码
2022-06-08SVM支持向量机分类鸢尾花数据集iris及代码,数据集有csv、data、txt文件格式,代码有data、txt、py格式演示 包含python代码与数据集,可直接运行。一组鸢尾花数据集,这组数据集有100个样本点,用SVM来预测这些鸢尾花数据集中哪些是山鸢尾花,哪些是非山鸢尾花。数据集内共包含3类鸢尾花的150条记录,每类花有 50 条数据;每条记录都有 4 个特征:花萼长度、花萼宽度、花瓣长度、花瓣宽度
- 4.11MB
Machine-Learning-Supervised-Learning:这些是我用一些数据集实现的一些流行的机器学习算法。 其中包括线性回归(多元)的实现,逻辑和线性回归的梯度下降,决策树,随机森林,朴素贝叶斯,从零开始的KNN实现,作为多类分类器的SVM,PCA实现。 它们都是用python 3.5编写的
2021-04-30机器学习 这些是我用一些数据集实现的一些流行的机器学习算法。 其中包括线性回归(多变量)的实现,逻辑和线性回归的梯度下降,决策树,随机森林,朴素贝叶斯。 它们都是用python 3.5编写的。
- 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
- 29.74MB
python大作业 含爬虫、数据可视化、地图、报告、及源码(2016-2021全国各地区粮食产量).rar
2022-05-01(含源码及报告)本程序分析了自2016年到2021年(外加)每年我国原油加工的产量,并且分析了2020年全国各地区原油加工量等,含饼状图,柱状图,折线图,数据在地图上显示。运行本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持,如果缺少某库请自行安装后再运行。文件含6个excel表,若干个csv文件以及一个名字为render的html文件(需要用浏览器打开),直观的数据处理部分是图片以及html文件,可在地图中显示,数据处理的是excel文件。不懂可以扫文件中二维码在QQ里面问。
- 0B
《点燃我温暖你》中李峋的同款爱心代码
2022-11-08python做的《点燃我温暖你》中李峋的同款爱心代码,最还原的