dlsa分布式最小二乘近似 使用Apache Spark实施 介绍 在这项工作中，我们开发了一种分布式最小二乘近似（DLSA）方法，该方法能够解决分布式系统上的大量回归问题（例如，线性回归，逻辑回归和Cox模型）。 通过使用局部二次形式逼近局部目标函数，我们可以通过对局部估计量进行加权平均来获得组合估计量。 在统计上证明了所得的估计器与全局估计器一样有效。 而且，它只需要一轮通信。 我们使用自适应套索方法进一步基于DLSA估计进行收缩估计。 通过在主节点上使用LARS算法，可以轻松获得该解决方案。 从理论上讲，通过使用新设计的分布式贝叶斯信息准则（DBIC），得出的估计量具有oracle属性，并且选择一致。 广泛的数值研究和航空公司数据集进一步说明了有限的样本性能和计算效率。 整个方法已在的Spark系统中实现。 R软件包dlsa提供了上可用的概念演示。 系统要求 Spark >= 2

交叉销售汽车保险 该项目使用机器学习来预测当前的健康保险客户是否会购买汽车保险。 基础数据是从Kaggle获得的，其中包含有关先前销售的信息。 在测试各种分类器（包括逻辑回归，支持向量分类器，KNN分类器和随机森林分类器）之前，使用SMOTENC对数据进行了转换和上采样。 在使用默认的超参数对分类器进行测试之后，进行了网格搜索以识别最佳的超参数组合。

毫升矩阵 矩阵处理和计算库。 由维护 安装 $ npm install ml-matrix 用法 作为ES模块 import { Matrix } from 'ml-matrix' ; const matrix = Matrix . ones ( 5 , 5 ) ; 作为CommonJS模块 const { Matrix } = require ( 'ml-matrix' ) ; const matrix = Matrix . ones ( 5 , 5 ) ; 例子 标准作业 const { Matrix } = require ( 'ml-matrix' ) ; var A = new Matrix ( [ [ 1 , 1 ] , [ 2 , 2 ] ] ) ; var B = new Matrix ( [ [ 3 , 3 ] , [ 1 , 1 ] ] ) ; var C = ne

1666清零1666清零1666清零1666清零1666清零

去年 5 月，github上出现一款名为 ML Visuals 的机器学习画图模板，该项目受到广泛关注，迄今已收获 6.1K Star。ML Visuals 专为解决神经网络画图问题设计。ML Visuals 现在包含了 100 多个可用的自定义图形，使用者可以在任何论文、博客、PPT 中使用这些资源。这份 101 页的模板共包含几个部分：基础组件、架构、机器学习概念、抽象背景、渐变背景、机器学习 & 健康、其他、机器学习系统设计。这套画图模板首先提供了多种基础组件，比如表示过程、操作或转换的圆角矩形，表示神经元或任意操作的小圆圈，表示向量的一排小方块以及表示多维数组的网格等。 PPT更新至2021.11.11，有215页.

代码介绍：为PCA的Matlab实现，使用一张图片代替了多个向量数据的输入，自己可以进行更改即可，其中关于项目中的内容以及裁剪，基本保留了PCA的功能，是从PCA原理一步步实现的，可以起到较好的学习左右，了解到PCA的原理

在Matlab的平台上,应用QPSK调制,以及3种不同的探测方法,实现并模拟了2x2的MIMO功能. 在Matlab的平台上,应用QPSK调制,以及3种不同的探测方法,实现并模拟了2x2的MIMO功能.

具有手工特征设计的音频隐写分析（统计机器学习） 基于统计机器学习算法的音频隐写分析。 // @作者： @电子邮件： 希望我们能有一个愉快的沟通。 该项目是我们最近基于统计机器学习进行音频隐写分析的工作的实现，您还可以通过该平台设计自己的算法。 档案 ID 文件 功能 1个 应用 音频隐写分析和隐写发现 2 batch_script 所有批处理脚本，用于特征提取，培训，测试等 3 数据处理 用于QMDCT系数提取和数据集构建的工具 4 feature_extract 用于特征提取的脚本（ADOTP，MDI2，I2C，D2MA，JPBC，共存） 5 情节 图脚本 6 tra

ml代码大全

机器学习实战，促进学习，交流，更好的为人类发展做出贡献，此版本有中文，英文版本，还有源码，