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
-
-
李航《统计学习方法》pdf书+PPT 评分:
李航《统计学习方法》pdf书+授课PPT 机器学习自学必备蓝皮书，详细介绍了监督学习经典算法的原理
上传时间：2018-03 大小：32.19MB
15.21MB《统计学习方法》PPT.zip
2021-08-24李航《统计学习方法》PPT.zip
- 15.20MB
统计学习方法-ppt.zip
2019-07-21李航老师的统计学习方法PPT，比书本更加精要，适合看不进去书，想看PPT的人。
- 16.37MB
李航-统计学习方法PPT
2018-11-06李航-统计学习方法PPT，与统计学习方法一书配套结合。
13.5MB统计学习方法PPT
2016-11-29李航蓝皮书《统计学习方法》配套PPT，由清华大学深圳研究院袁春老师制作，特意分享出来供大家学习
10.80MB统计学习方法ppt
2017-12-06这是李航老师统计学习方法教材的配套ppt，里面的内容讲的十分清晰，欢迎下载
- 55.9MB
《统计学习方法》第2版(小蓝书)课件
2021-01-05《统计学习方法》是学习机器学习的必备教材。该课件涵盖了书本的核心内容，非常适合于预习和复习。
- 32.47MB
李航 统计学习方法
2019-03-14统计学习，包含很多数学知识，在学习数值分析，数据分析，本书能够提供详细的数学方面统计的知识，理工科研究生必备所读的书。分享给大家一起学习！
2.37MB《统计学习方法.李航》学习笔记.V0.9.打印版.pdf
2021-09-20《统计学习方法.李航》学习笔记.V0.9.打印版.pdf
- 2.37MB
《统计学习方法.李航》学习笔记.V0.9.阅读版.pdf
2021-09-20《统计学习方法.李航》学习笔记.V0.9.阅读版.pdf
- 15.19MB
李航机器学习课件
2018-01-04李航 ，机器学习那本书的课件，也是师弟给共享的。。。。
- 15.41MB
统计学习方法课件+代码
2018-12-18李航的统计学习方法课件+代码，看书之后拓展学习必备。
- 20.53MB
2018.AI移动智能终端蓝皮书
2018-10-09近年来，随着人工智能技术的快速发展，AI和移动智能终端的结合受到了行业主流终端厂商的重视，初步形成了从芯片到操作系统到应用生态的完整产业链。2018年起，各主流终端厂商的旗舰机型已经基本普及了AI功能。搭载AI功能的手机充分利用触屏、摄像头、语音等多种方式，更直接地满足用户的需求，进而改变用户的生活方式。人工智能技术对移动智能终端行业的赋能，提升了终端全行业链的附加值，促进了整个手机行业的发展。然而，AI生态下的移动智能终端行业也存在一定问题，如用户大数据与隐私保护的矛盾凸显，各个企业AI生态开放能力不统一，用户对AI终端的认知尚需培养等。为了梳理AI生态下移动智能终端的发展态势，推动AI移动智能终端产业的良性发展，解决AI生态下存在的相关问题，中国信通院泰尔终端实验室向多家手机厂商、芯片厂商、AI技术服务提供商、第三方评测机构进行了广泛调研和分析，邀请行业伙伴联合撰写了’'AI移动智能终端蓝皮书“，试图梳理AI生态下移动智能终端的行业发展脉络，为整个终端产业、移动互联网企业、开发者、消费者提供参考。
28.87MB李航博士《统计学习方法》一书中所有算法实现
2019-11-03李航博士《统计学习方法》一书中所有算法实现，，，。
- 548KB
李航《统计学习方法》的代码实现
2019-11-03李航老师的《统计学习方法》的代码实现，李航老师的《统计学习方法》的代码实现。
- 19.60MB
2012李航统计学习方法带目录
2024-01-092012李航统计学习方法带目录
- 16.99MB
2012.李航.统计学习方法_机器学习_李航的统计学习方法_统计学习方法_
2021-09-29李航的统计学习方法对想要入门机器学习的学生来说十分有用
- 17.56MB
统计方法分析-李航
2018-05-17转载，方便下载， 统计方法分析 统计方法 李航， 统计方法分析 统计方法 李航
- 26.47MB
machine learning +李航的《统计学习方法》
2015-03-06machine learning +李航的《统计学习方法》PDF资源
- 17.3MB
2012.李航.统计学习方法
2016-07-062012.李航.统计学习方法 各种分类算法
- 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；
- 47.85MB
Neural Networks from Scratch in Python学习资料
2024-04-29Neural Networks from Scratch in Python的学习材料，PDF版本，机器学习入门必学，全英文版本
- 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。
- 40.89MB
中文短信数据集-带标签
2024-02-05本数据集可用于进行文本分类、信息检索等自然语言处理实验，共包含80万条短信。其中：原始数据集data.txt每行为1条短信，格式为“标签\t短信内容”，标签=0表示正常短信，标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集，拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836，基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下： 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三．八．女人节倾情大放送活动开始啦！！！！超值套餐等你拿，活动时间x月x日一x月xx日， 详情进店咨询。美丽热线x
- 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。
