黄砖
可视化分析和诊断工具，有助于机器学习模型的选择。
什么是黄砖？
Yellowbrick是一套称为“ Visualizers”的视觉诊断工具，可扩展scikit-learn API以允许人工操纵模型选择过程。 简而言之，Yellowbrick按照scikit-learn文档的最佳传统将scikit-learn与matplotlib结合在一起，但可以为您的机器学习工作流程提供可视化效果！
有关Yellowbrick API的完整文档，可用可视化工具的库，提供者的指南，教程和教学资源，常见问题等等，请访问我们的文档，为 。
安装Yellowbrick
Yellowbrick与Python 3.4或更高版本兼容，还取决于scikit-learn和matplotlib。 安装Yellowbrick及其依赖项的最简单方法是使用PyPI和Python首选的软件包安装程序pip。
$ pip install yellowbrick
请注意，Yellowbrick是一个活跃的项目，并且定期发布带有更多可视化工具和更新的新版本。 为了将Yellowbrick升级到最新版本，请按以下步骤使用
2021-09-07 17:47:02
28.74MB
1
李宏毅 MACHINE LEARNING 2020 SPRING中，模型压缩那一节，助教使用的PPT。网站上无法下载，这个可以
2021-09-05 16:06:10
5.58MB
1
人工智能研究报告：机器学习模型在因子选股上的比较分析-20190512-广发证券-33页.pdf
2021-09-03 13:07:56
2.4MB
EchoNet-Dynamic： 可解释的AI用于逐次跳动的心脏功能评估
EchoNet-Dynamic是一种端到端的逐点深度学习模型，用于
左心室的语义分割
通过整个视频或子采样片段预测射血分数，以及
评估射血分数降低的心肌病。
有关更多详细信息，请参见随附的论文，
David Ouyang，Bryan He，Amirata Ghorbani，Neal Yuan，Joseph Ebinger，Curt P.Langlotz，Paul A.Heidenreich，Robert A.Harrington，David H.Liang，Euan A.Ashley和James Y.Zou。 自然，2020年3月25日
数据集
我们共享一组已确定身份的10,030张超声心动图图像，这些图像用于训练EchoNet-Dynamic。 使用OpenCV和pydicom对这些图像进行预处理，包括取消识别
2021-09-01 08:49:35
11.31MB
1