实用机器学习
作者:孙亮 、黄倩
出版社:人民邮电出版社
ISBN:9787115446466
VIP会员免费
(仅需0.8元/天)
¥ 50.56
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
-
machine-learning-ex3 评分:
machine-learning-ex3 吴恩达 机器学习课程 习题代码
上传时间:2017-12 大小:7.56MB
- 7.24MB
cousera Machine Learning 机器学习 作业 答案 ex3
2016-03-09cousera Machine Learning 机器学习 作业 答案 ex3
- 7.54MB
machine-learning-ex3-complete.zip
2019-10-28andrew ng machine learning programme exercise 3 One vs All and neural network
- 7.55MB
斯坦福机器学习编程作业machine-learning-ex3,神经网络模型,非线性模型题目,满分,2015最新作业答案
2015-10-15斯坦福机器学习编程作业machine-learning-ex3,Multi-class Classication and Neural Networks神经网络模型,非线性模型题目,满分,2015最新作业答案 Multi-class Classication and Neural Networks MATLAB
- 26.10MB
主成分回归代码matlab及例子-Machine-Learning:机器学习
2021-05-26主成分回归代码matlab及示例Coursera机器学习 该存储库包含Andrew Ng课程中某些练习的python实现。 对于课程中的许多作业,系统会指导您创建某些算法的完整,独立的Octave / MATLAB实现(例如,线性回归和逻辑回归)。 其余的作业取决于课程作者提供的其他代码。 对于该存储库中的大多数代码,我改用了Scikit-learn之类的现有Python实现。 参考:
- 3KB
(全)2020吴恩达机器学习MachineLearning第四周编程作业ex3
2020-05-04压缩包内含吴恩达老师《Machine Learning》课程第四周的编程作业ex3所需完成的四个m文件。压缩包中所有编程作业均为本人独立完成,并尽量使用向量化计算,全部满分通过。
- 25.96MB
data_sets.zip
2021-01-31data_sets.zip
- 7.27MB
斯坦福机器学习公开课编程作业答案ex3
2015-08-19斯坦福机器学习公开课编程作业答案,仅供参考
- 14.2MB
手写数字识别图片集.mat格式
2019-03-21用于深度学习结构验证的输入图片.mat文件
- 7.55MB
machine learning ex3
2019-03-15吴恩达machine learning ex3 编程作业答案,亲测可用满分
- 2.3MB
machine-learning-
2021-03-25machine-learning-
- 16KB
machine-learning
2021-03-05machine-learning
- 8.35MB
ex3-数据集
2021-03-27 - 44.40MB
机器学习 编程作业 源码 答案 吴恩达Machine Learning
2018-12-19自己做的课后编程练习,都顺利通过了,且有不同解法,对初学的同学不失为一个参考
- 11.29MB
mat格式的MNIST数据
2019-03-04因matlab无法直接读取直接下载的MNIST数据格式,故写了一个matlab程序将数据读取后存储为.mat格式 train_images - 60000个训练集,大小为28*28*60000 train_labels - 60000个标签,大小为60000*1 test_images - 10000个训练集,大小为28*28*10000 test_labels - 10000个标签,大小为10000*1
- 344KB
Pandas(data of ex3).zip
2020-04-25本数据个代码主要介绍Pandas里面的分组的相关操作,比如groupby,apply等方法,里面有两个数据集,可用于复杂分组和分类的操作。
- 25.7MB
machine learning
2013-09-23machine learning 机器学习,非常好的书,受益匪浅
- 8.57MB
machine_learning
2021-03-06单元11-风险业务 背景 抵押贷款,学生贷款和汽车贷款以及债务合并只是人们在网上寻求的信贷和贷款的一些示例。 点对点贷款服务(例如,加拿大贷款公司和Mogo公司)允许投资者在不使用银行的情况下向人们贷款。 但是,由于投资者一直希望减轻风险,因此客户要求您使用机器学习技术帮助他们预测信用风险。 在本作业中,您将建立和评估几种机器学习模型,以使用通常从对等借贷服务中看到的数据来预测信用风险。 信用风险是一个固有的不平衡分类问题(优质贷款的数量远远大于风险贷款的数量),因此您将需要采用不同的技术来训练和评估具有不平衡类的模型。 您将使用以下两种技术使用不平衡学习和Scikit学习库来构建和评估模型: 档案文件 指示 重采样 使用库对LendingClub数据进行重新采样,并使用重新采样的数据构建和评估逻辑回归分类器。 开始: 将CSV读取到DataFrame中。 将数据分为训练和测试集。