xgboost
matlab代码
2021-08-09 14:48:05
6.96MB
1
python中有关于skope-rules模块原理以及使用方法的简单介绍，是一个ppt，简单介绍了基于规则的分类器原理，然后再介绍了skope-rules的库函数，以及这些函数的简单使用
2021-08-04 14:25:05
5.42MB
1
Hands-on-Machine-Learning-with-Scikit-第二版完整先行版
2021-08-04 09:08:14
27.04MB
1
资源是我从sklearn的官方github上面下载的，地址https://github.com/scikit-learn/scikit-learn
下载了一个6个小时才终于下下来。
官网地址https://scikit-learn.org/stable/
2021-07-28 17:21:07
7.47MB
1
1 决策树 2 随机森林 3 特征工程 4 降维算法 5 逻辑回归 6 聚类算法 7 SVM version 8 SVM 案例 9 线性回归 10 朴素贝叶斯 11 XGBoost
2021-07-28 10:43:07
151.84MB
1
迭代分层
迭代分层是一个为兼容的交叉验证器提供分层的项目，用于对多标签数据进行分层。
目前，scikit-learn为多个交叉验证器提供了分层。 但是，这些交叉验证器无法对多标签数据进行分层。 此迭代分层项目提供了MultilabelStratifiedKFold，MultilabelRepeatedStratifiedKFold和MultilabelStratifiedShuffleSplit的实现，并具有用于对多标签数据进行分层的基本算法，如下文所述：
Sechidis K.，Tsoumakas G.，Vlahavas I.（2011）关于多标签数据的分层。 在：Gunopulos D
2021-07-17 15:35:10
11KB
1
Hands-On Machine Learning with Scikit-Learn and TensorFlow代码及数据集
2021-07-17 08:44:03
18.29MB
1
scikit-learn (sklearn) 0.21.3 官方文档中文版，人手必备的参考手册
2021-07-09 13:45:20
24.16MB
1
为什么要做降维：
提高计算效率
留存有用的特征，为后续建模使用
在项目中实际拿到的数据，可能会有几百个维度（特征）的数据集，这样的数据集在建模使用时，非常消耗计算资源，所以需要通过使用降维方法来优化数据集
线性判别分析（Linear Discriminant Analysis）
用途：数据预处理中的降维，分类任务（有监督问题）
目标：LDA关心的是能够最大化类间区分度的坐标轴成分
将特征空间（数据集中的多维样本）投影到一个维度更小的 k 维子空间中，同时保持区分类别的信息
原理：投影到维度更低的空间中，使得投影后的点，会形成按类别区分，一簇一簇的情况，相同类别的点，将会在投影后的空间中更接近
2021-07-07 15:03:37
281KB
1
原版PDF Hands-On Machine Learning with Scikit-Learn and TensorFlow
不是早期预览版（EAP），而是正式版
2021-07-07 11:36:42
7.21MB
1