scikit-survival：基于scikit-learn的生存分析
2022-04-26 16:08:55
1.55MB
1
如何处理数据缺失值？INRIA研究员Gael 《机器学习缺失值处理》54页ppt教程，为你讲解一个关于机器学习的教程，以建立缺失值的预测模型。这教程涵盖了理论结果(统计学习)和实践建议，重点介绍了使用scikit-learn在Python中的实现
2022-04-22 18:05:10
7.12MB
调谐斯克莱恩
Tune-sklearn是Scikit-Learn的模型选择模块（GridSearchCV，RandomizedSearchCV）的替代品，它具有尖端的超参数调整技术。
产品特点
以下是tune-sklearn提供的功能：
与Scikit-Learn API的一致性：在标准Scikit-Learn脚本中更改少于5行即可使用API []。
现代调整技术：tune-sklearn使您可以通过简单地切换几个参数来轻松利用贝叶斯优化，HyperBand，BOHB和其他优化技术。
框架支持：tune-sklearn主要用于调整Scikit-Learn模型，但它也支持并提供了许多其他带有Scikit-Learn包装器的框架的示例，例如Skorch（Pytorch）[ ]，KerasClassifier（Keras）[ ]，和XGBoostClassifier（XGBoost）[]。
向上扩展：Tune-sklearn利用 （一个用于分布式超参数调整的库）在不更改代码的情况下并行化多个核甚至多个机器上的交叉验证。
查看我们的和（针对master分支）。
安装
依存关
2022-04-22 17:43:10
72KB
1
数据科学 机器学习系列5 利用Scikit-learn构建回归模型：准备和可视化数据.ipynb
2022-04-19 19:07:47
26KB
1
机器学习系列4 使用Python和Scikit-Learn回归模型.ipynb
2022-04-18 09:08:15
39KB
1
XGBRegressor：使用Python 2.7，scikit-learn和XGBoost进行回归问题的简单实现
2022-04-15 16:57:18
7KB
1
面部吸引力预测
这是使用地标特征和gabor过滤器预测面部吸引力的存储库。
从以下获得的功能：
面部距离
面部比例
伽柏滤波器
如何运行：
首先必须通过运行generate_features.py生成所有功能
然后，您可以通过运行train.py来训练自己的模型
您可以通过运行demo.py对单个图像进行测试（在开头给出路径）
所需的库：Dlib，OpenCV，numpy，scipy，sklearn，imutils
验证结果：
演示：
请参阅下载整个数据集。
2022-04-15 13:59:31
1.24MB
1
推特航空公司
来自美国主要航空公司客户的推特的情绪分析。
可以在以下博客文章中找到该项目的描述：
2022-04-08 21:43:24
1.09MB
1
学习时的笔记及相关代码，笔记可见：https://blog.csdn.net/Morganfs/article/details/123926929?spm=1001.2014.3001.5501
学习来源：Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9.
2022-04-06 14:09:23
22KB
1