pmdarima Pmdarima(最初为pyramid-arima ,表示“ py” +“ arima”)是一个统计库,旨在填补Python时间序列分析功能中的空白。 这包括: 相当于R的功能 平稳性和季节性统计检验的集合 时间序列实用程序,例如微分和逆微分 大量内生和外生的变形器和特征器,包括Box-Cox和Fourier转换 季节性时间序列分解 交叉验证实用程序 丰富的内置时间序列数据集,用于原型制作和示例 Scikit学习式管道可整合您的估算器并促进生产 Pmdarima在内部隐藏了 ,但设计时使用了熟悉scikit学习背景的用户熟悉的界面。 安装 Pmdarima在pypi上具有Windows,Mac和Linux( manylinux )的二进制和源发行版,软件包名称为pmdarima ,可以通过pip下载: $ pip install pmdarima 快速入门示例 在数据集上拟合一个简单的自动ARIMA: import pmdarima as pm from pmdarima . model_selection import train_test_split im
2021-11-03 14:34:16 1.43MB python machine-learning time-series econometrics
1
Python中的随机森林 归纳法 我开始这个项目是为了更好地了解和工作方式。 此时,分类器仅基于基尼系数,而回归模型基于均方误差。 分类器和回归模型都可以与和 例子 使用Scikit学习的基本分类示例: from randomforests import RandomForestClassifier import pandas as pd from sklearn.model_selection import train_test_split from sklearn.model_selection import GridSearchCV from sklearn.pipeline impo
1
OpenAI体育馆的飞扬的小鸟 该存储库包含用于Flappy Bird游戏的OpenAI Gym环境的实现。 它基于的 。 当前,环境为代理提供以下观察参数: 鸟的y位置; 鸟的垂直速度; 到下一个管道的水平距离; 下一个管道的y位置。 将来,我还打算实现一个环境版本,该版本将提供代表游戏屏幕的图像作为观察结果。 安装 要安装flappy-bird-gym ,只需运行以下命令: $ pip install flappy-bird-gym 用法 像在其他gym环境中一样,使用flappy-bird-gym非常容易。 只需导入包并使用make函数创建环境。 看下面的示例代码: import time import flappy_bird_gym env = flappy_bird_gym.make("FlappyBird-v0") obs = env.reset() while
1
Machine-Learning机器学习笔记 回归分析Regression Analysis(LS,LASSO,RR,RLS,BR), 聚类Clustering(KNN, EM, Mean-shift) 数字分类Digits Classification
2021-11-01 19:27:30 2.41MB Python
1
使用Python从头开始构建简单的聊天机器人(使用NLTK) 聊天机器人的历史可以追溯到1966年,当时Weizenbaum发明了一种名为ELIZA的计算机程序。 它仅从200行代码中模仿了心理治疗师的语言。 您仍然可以在这里与之交谈: 。 同样,让我们​​创建一个使用Python的NLTK库的非常基本的聊天机器人。这是一个非常简单的机器人,几乎没有任何认知技能,但是仍然是进入NLP并了解聊天机器人的好方法。 大纲 动机 这个项目的想法不是要创建具有出色认知技能的SOTA聊天机器人,而只是要利用和测试我的Python技能。这是我刚进入NLP领域并想到创建一个最初的项目之一一个简单的聊天机
2021-11-01 16:33:54 14KB python nlp machine-learning article
1
算法决策和其他类型的人工智能 (AI) 可用于预测谁将犯罪、谁将成为好员工、谁将拖欠贷款。 然而,算法决策也可能威胁到人权,例如不受歧视的权利。 该论文评估了欧洲当前针对歧视性算法决策的法律保护。 该论文表明,非歧视法,特别是通过间接歧视的概念,禁止多种类型的算法歧视。 数据保护法也有助于保护人们免受歧视。 适当执行非歧视法和数据保护法有助于保护人民。 然而,该论文表明,当应用于人工智能时,这两种法律文书都存在严重的弱点。 该文件建议如何改进现行规则的执行。 该论文还探讨了是否需要额外的规则。 该论文主张采用特定于行业的规则,而不是通用规则,并概述了一种规范算法决策的方法。
2021-11-01 16:28:39 310KB artificial intelligence machine
1
PyTorch GAN :laptop:与 :laptop: = :red_heart: 此仓库包含各种GAN架构的PyTorch实现。目的是使初学者更容易开始玩和学习GAN。 我发现的所有存储库都掩盖了某些内容,例如将某些网络层中的偏向设置为False而没有解释为什么要做出某些设计决定。此仓库使每个设计决策透明。 目录 什么是GAN? GAN最初是由Ian Goodfellow等人提出的。在一份名为“的开创性论文中。 甘斯是一个框架,2个模型(通常为神经网络),称为发电机(G)和鉴别器(d),玩游戏极大极小彼此抵靠。生成器正在尝试学习真实数据的分布,这是我们通常感兴趣的网络。在游戏中,生成器的目的是欺骗鉴别器“思考”它生成的数据是真实的。另一方面,鉴别器的目的是正确地区分生成的(伪)图像和来自某些数据集(例如MNIST)的真实图像。 设置 git clone https://github.com/gordicaleksa/py
2021-11-01 11:04:11 65.9MB python machine-learning deep-learning pytorch
1
Simd:使用以下SIMD的C ++图像处理和机器学习库:SSE,SSE2,SSE3,SSSE3,SSE4.1,SSE4.2,AVX,AVX2,AVX-512,VMX(Altivec)和VSX(Power7),NEON臂
2021-11-01 10:35:16 3.93MB c-plus-plus machine-learning arm neural-network
1
( Pattern Recognition and Machine Learning(完整答案).pdf
2021-10-31 01:06:01 1.42MB 习题答案
1
本文讨论了使用机器学习进行恶意软件分类的方法,问题和解决方案。 可以相信,被释放的恶意软件的数量可能会超过权威软件的释放。 由于恶意软件每年都会变得越来越复杂,因此需要从传统方法转变为使系统自动学习。 这里的主要重点是研究机器学习方法以及它们的检测和分类问题。 说明了特征选择和高假阳性问题,并提出了解决方案。 然后将操作码,n-gram操作码,基于图像的分类技术进行比较。 这些方法将有助于清除恶意软件并将其分类到其家族中。 与常规操作码和基于图像的分类器相比,使用n-gram操作码分类时基于准确性的结果更好,但是使用集成方法结合了这两种方法的优点,例如,过拟合和FPR较低,最终结果显示出分类精度更高和提供总体上更好的恶意软件分类。
2021-10-30 22:03:57 1.01MB Machine Learning Malware Detection
1