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 训练数据 评分:
机器学习实战python实例(2)SVM 训练数据 用于http://blog.csdn.net/xiaonannanxn/article/details/52372085中代码的训练
上传时间:2016-09 大小:2KB
- 1KB
SVM训练和测试数据
2018-07-17SVM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
- 88KB
python实现SVM
2019-03-30此文档使用python语言实现SVM经典机器学习算法,可以帮助初学者更好的掌握。
- 2KB
python 实现SVM,Logistics,以及训练数据归一化处理
2018-05-09利用python 实现SVM,Logistics,以及训练数据归一化处理
- 2KB
基于python的svm算法测试集建立
2018-07-17基于python的svm算法测试集建立基于python的svm算法测试集建立
- 176KB
Python中的支持向量机SVM的使用(附实例代码)
2020-09-19主要介绍了Python中的支持向量机SVM的使用(附实例代码),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
- 34KB
python利用支持向量机SVM进行时间序列预测(数据+源码)
2020-05-21python利用支持向量机SVM进行时间序列预测, 包括数据和python代码 python利用支持向量机SVM进行时间序列预测, 包括数据和python代码
- 8KB
简单SVM支持向量机Python代码
2018-12-19SVM支持向量机Python代码,更改训练数据集和测试数据集可用
- 464KB
股票预测SVM的python代码
2020-03-08StockProdiction-master,股票预测SVM的python代码,在pycharm上可以使用
- 2KB
粒子群(PSO)优化SVM做预测
2018-07-07粒子群优化SVM的两个参数,利用数据做预测,数据代码都在压缩包里,可以直接运行。
- 45KB
python svm 源码实现
2017-11-14Python编写的SVM算法,SVM算法的实现,适合直接使用,开放源代码,Supported Vector Machine。 (Python code SVM algorithm,SVM algorithm realizition,easy to use,open source,Supported Vector Machine。)
- 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
- 7.27MB
机器学习对应的相关python代码SVM、CNN
2018-12-12经典模型对应的python代码经典模型对应的python代码
- 611KB
Python机器学习SVM作业源码+实验报告,将经典数据集Iris鸢尾花的数据样本实现SVM分类源码+实验报告
2023-06-30Python机器学习SVM作业源码+实验报告,将经典数据集Iris鸢尾花的数据样本实现SVM分类源码+实验报告 使用python 3.9的IDLE作为编程环境,编程语言为python,利用模块如sklearn、numpy等实现需要的功能 1.sklearn sklearn (scikit-learn) 是基于 Python 语言的机器学习工具,是简单高效的数据挖掘和数据分析工具,有常用的机器学习(如:广义线性模型、最近邻法、决策树等)的工具,也有一些很经典的数据集(如:波士顿房价、鸢尾花、酒、样本图片等)。 2.numpy NumPy是使用Python进行科学计算的基础软件包。它是一个Python库,提供多维数组对象,各种派生对象(如掩码数组和矩阵),以及用于数组快速操作的各种API,有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数,基本统计运算和随机模拟等等。
- 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
- 596KB
机器学习——支持向量机SVM算法完整实战源码
2022-05-16基于Python和sklearn机器学习库实现的支持向量机算法使用的实战案例。 使用jupyter notebook环境开发。 支持向量机:支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane) [1-3] 。 SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险(structural risk),是一个具有稀疏性和稳健性的分类器 [2] 。SVM可以通过核方法(kernel method)进行非线性分类,是常见的核学习(kernel learning)方法之一。
- 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
- 6KB
SVM人脸识别的Python代码
2018-07-20人脸识别的英文名称是 Human Face Recognition.人脸识别产品利用AVS03A图像处理器;可以对人脸明暗侦测,自动调整动态曝光补偿,人脸追踪侦测,自动调整影像放大。
- 17KB
mnist神经网络、svm python实现代码
2018-08-01mnist数据集神经网络、svm python实现代码,简洁易懂,易应用于其他数据集分析学习
- 5KB
基于svm的图像分类
2018-05-17对高分辨率遥感影像基于光谱的svm分类aaaaaaaaaaaaaaaaaaa
- 2.12MB
车牌识别SVM,已经训练好的样本集,直接可用于车牌识别
2020-07-02车牌识别SVM,已经训练好的样本集,直接可用于车牌识别。包括两个文件,svm.dat和svmchinese.dat,其中前一个文件用于识别字母和数字;后一个文件用于识别汉字。
- 404B
python支持向量机
2017-11-22支持向量机python代码,也用于二分类,对新手学习了解支持向量机很有帮助
- 580KB
基于SVM支持向量机机器学习的数据分类算法仿真-源码
2021-10-01基于SVM支持向量机机器学习的数据分类算法仿真_源码
- 22KB
机器学习实战(五)03-Spark-SVM
2021-01-07官方文档示例 package com.netcloud.bigdata.mllib.com.svm.example import org.apache.spark.mllib.classification.SVMWithSGD import org.apache.spark.mllib.evaluation.BinaryClassificationMetrics import org.apache.spark.mllib.util.MLUtils import org.apache.spark.{SparkConf, SparkContext} /* * @Author: yangsha
- 1.46MB
机器学习中SVM垃圾短信数据
2022-03-11机器学习中SVM垃圾短信数据
- 1.61MB
ex6-SVM_svmpython_机器学习_python_SVM_
2021-09-30机器学习中支持向量机的例子,python代码编写,可以帮助很好的理解svm,程序运行无错误。
- 290KB
机器学习 深度学习 人工智能代码(python)用SVM实现人脸识别 附带结果
2022-01-19机器学习 深度学习 人工智能代码(python)用SVM实现人脸识别 附带结果
- 170KB
基于大数据&机器学习的Android病毒软件检测SVM模型研究.docx
2021-12-26基于大数据&机器学习的Android病毒软件检测SVM模型研究.docx
- 4KB
高光谱遥感影像分类,机器学习分类,SVM算法,Salinas数据集
2023-03-10是用于高光谱遥感影像分类的机器学习脚本,其中使用了支持向量机算法(Support Vector Machine,SVM)对Salinas数据集进行分类。 SVM算法是一种基于统计学习理论的分类算法,其通过在高维空间中寻找一个超平面,将不同类别的数据进行分类。在该算法中,SVM通过最大化间隔来确定超平面,从而实现对数据的高效分类。 在构建分类器时,你需要对一些关键参数进行调整,如核函数的选择、正则化参数C的选择等。这些参数可以对分类器的性能产生重要影响,因此需要仔细进行调试和优化。同时,你还需要对数据进行预处理,如特征提取、归一化等,以便更好地利用数据进行分类。
- 384KB
编程作业(python)| 吴恩达 机器学习(6)支持向量机 SVM
2020-12-21∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗\color{#f00}{***\ 点击查看\ :吴恩达机器学习 \ —— \ 整套笔记+编程作业详解\ ***}∗∗∗ 点击查看 :吴恩达机器学习 —— 整套笔记+编程作业详解 ∗∗∗ 作业及代码:https://pan.baidu.com/s/1L-Tbo3flzKplAof3fFdD1w 密码:oin0 本次作业的理论部分:吴恩达机器学习(七)支持向量机 编程环境:Jupyter Notebook 1. 线性 SVM 任务 观察惩罚项系数 C 对决策边界的影响,数据集:data/ex6data1.mat 在理论部分,
- 2.29MB
13.SVM.pdf_机器学习python_
2021-09-28支持向量机1.理解支持向量机SVM的原理和目标2.掌握支持向量机的计算过程和算法步骤3.理解软间隔最大化的含义4.了解核函数的思想5.了解SMO算法的过程