分享
Python机器学习基础教程
作者：[德]安德里亚斯·穆勒
出版社：北京图灵文化发展有限公司
ISBN：9787115475619
VIP会员免费
（仅需0.8元/天）
¥ 39.99
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
-
-
机器学习与优化pdf 高清版 评分:
本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。
上传时间：2019-05 大小：22.68MB
1.57MB机器学习优化方法及超参数设置综述v1.pdf
2019-08-25机器学习及其分支深度学习主要任务是模拟或者实现人类学习行为，这些学习方法近年来在目标分类、语音识别等各项任务中取得巨大突破。机器学的各种优化器极大了改善了学习模型的训练速度和泛化误差。优化方法和超参数作为观察训练模型的窗口，能够探索学习模型的结构和训练机制，是机器学习研究的重点之一。对机器学习的优化器与超参数理论研究进行了综述，回顾了超参数的一般搜索方法，对和优化器直接关联的批量大小、学习率超参数的设置方法进行了总结，对优化器和超参数需要进一步研究的问题进行了讨论。
28.40MB机器学习与数据科学（全套PDF格式的讲义）
2017-10-2100_学习问题研究的简史.pdf 00_课程介绍.pdf 01_基于实例的学习.pdf 02_线性模型.pdf 02_线性模型_I.pdf 02_线性模型_补充_无约束优化.pdf 03_线性模型的扩展_I_II.pdf 04_学习过程的统计性质与集成学习.pdf 05_支持向量机与统计学习理论_I.pdf 05_支持向量机与统计学习理论_I_II.pdf 06_正则化理论及其应用_I_II.pdf 07_无监督学习_I_II_III.pdf 08_压缩感知与稀疏表示_I_II.pdf 09_深度学习.pdf
- 1.18MB
机器学习算法的超参数优化：理论与实践.pdf
2021-09-24机器学习算法的超参数优化：理论与实践.pdf
- 1.64MB
材料数据挖掘与机器学习工具的集成与优化.pdf
2021-07-14材料数据挖掘与机器学习工具的集成与优化.pdf
- 2.21MB
可扩展机器学习的并行与分布式优化算法综述.pdf
2019-04-14可扩展机器学习的并行与分布式优化算法综述.pdf
- 2.71MB
基于机器学习的压裂优化研究.pdf
2021-09-24基于机器学习的压裂优化研究.pdf
- 1.57MB
机器学习在翼型优化问题中的应用.pdf
2021-09-24机器学习在翼型优化问题中的应用.pdf
- 5.81MB
《大规模机器学习与凸优化》
2020-12-16Francis Bach 先生是INRIA（法国国家信息与自动化研究所）的研究员，自2011年起领导SIERRA项目团队（该团队是Ecole Normale Supérieure计算机科学系的一部分，也是CNRS、ENS和INRIA的联合团队）。
- 1.79MB
基于机器学习的模糊测试种子输入优化.pdf
2021-09-24基于机器学习的模糊测试种子输入优化.pdf
- 33.65MB
机器学习：贝叶斯和优化方法（英文文字）
2018-12-27介绍贝叶斯机器学士的最佳英文著作，英语不好的朋友可以慢慢消化
- 1.68MB
机器学习在无线网络优化中的应用研究.pdf
2021-09-24机器学习在无线网络优化中的应用研究.pdf
- 3.51MB
基于机器学习的车道线检测系统仿真与优化.pdf
2021-09-24基于机器学习的车道线检测系统仿真与优化.pdf
- 964KB
MSE与MAE对机器学习性能优化的作用比较.pdf
2021-09-24MSE与MAE对机器学习性能优化的作用比较.pdf
- 3.83MB
应用机器学习方法优化住院创伤患者VTE风险预测.pdf
2021-09-24应用机器学习方法优化住院创伤患者VTE风险预测.pdf
- 407KB
凸优化和机器学习参照.pdf
2022-02-03凸优化和机器学习参照.pdf
- 18KB
机器学习中多目标优化算法的简述.pdf
2021-09-24机器学习中多目标优化算法的简述.pdf
- 830KB
基于统计的机器学习推理优化方法.pdf
2021-09-24基于统计的机器学习推理优化方法.pdf
- 295KB
有指导机器学习超参数的交叉验证智能优化.pdf
2021-09-24有指导机器学习超参数的交叉验证智能优化.pdf
- 1.60MB
基于机器学习的优化股票多因子模型.pdf
2021-09-24基于机器学习的优化股票多因子模型.pdf
- 1.17MB
2-1+面向云计算的分布式机器学习优化实践.pdf
2022-03-182-1+面向云计算的分布式机器学习优化实践
38.86MB完整车牌号识别程序，可以识别车牌和颜色，可以集成到项目中 支持win7+
2024-05-09基于.Net开发车牌号识别程序，通过控制台输出结果，可以通过启动参数传入地址，集成到项目中。 使用介绍：https://blog.csdn.net/billyyi/article/details/138597795
- 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；
- 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。
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
- 1.25MB
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
- 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
- 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。
- 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。
