人工神经网络 人工神经网络-威斯康星州乳腺癌检测

《机器学习实战: 基于Scikit-Learn和Tensorflow》的高清英文带书签原版

KMeans算法和Elbow准则 “ k-Means聚类背后的想法是获取一堆数据并确定数据中是否存在任何自然聚类（相关对象的组）。 k-Means算法是所谓的无监督学习算法。 我们事先不知道数据中存在什么模式-它没有形式分类-但我们想知道是否可以将数据以某种方式分为几类。 例如，您可以使用k-Means通过告诉像素根据其颜色值将像素分组为3个群集来查找图像中3种最突出的颜色。 或者，您可以使用它将相关新闻文章分组在一起，而无需事先确定要使用的类别。 该算法将自动找出最佳组。 k均值中的“ k”是一个数字。 该算法假定数据中存在k个中心，各个数据元素分散在周围。 最接近这些所谓质心的数据将被分类或分组在一起。 k-Means不会告诉您每个特定数据组的分类器是什么。 将新闻文章分成几组后，并不能说第一组是关于科学的，第二组是关于名人的，第三组是关于即将举行的选举的，等等。您只知道相关的新闻故事现在在一起了，但不一定是什么这种关系意味着。 k均值仅有助于寻找潜在的集群。” -取自对算法的移植。 存储库包含： 将的模型拟合到。 使用“肘标准”为K-means算法确定最佳聚类数的

高清、英文原版，美国亚马逊排名第一的tensorflow学习指导书籍，销量最好，评价五星！

决策树癌症预测 使用现有数据通过决策树进行学习来预测乳腺癌的示例（scikit-learn / python） 加工 收集的数据样本已分为测试样本和训练样本。 使用scikit的决策树生成器和转换集，可用于基于ID3生成树。 然后可以将测试数据用于交叉验证生成的树的准确性。 这个小程序还生成pdf，以可视化生成的树。 注意 该程序仅用于演示/实验目的。 以下是依赖项 python numpy scipy scikit-学习pydotplus graphviz 使用说明 安装python版本2.7 要安装上述软件包，请遵循以下命令 点安装numpy 点安装scipy 点安装scikit学

使用步态分析进行帕金森氏病检测 对帕金森氏病（PD）患者和对照对象的步态分析已进行分析，以显示PD患者和对照对象的差异。 使用Phisonet的Gaitpdb数据库提供的数据（已在对象的每只脚上使用8个传感器来计算垂直地面反作用力（VGRF）），已使用7个统计函数执行了数据压缩，以获得数据的代表性图像。 统计函数（最小值，最大值，均值，中位数，标准差，偏度和峰度）已用于将超过300万个元组压缩为310个元组。 最后，各种机器学习技术已应用于转换后的数据集，以执行帕金森氏病的检测。 使用Logistic回归，决策树，随机森林，SVM（线性内核），SVM（RBF内核），SVM（多核）和k最近邻居进

简单介绍机器学习的一些基础知识，然后通过一些经典案例：鸢尾花分类问题、波士顿房价预测问题、手写数字识别等详细介绍Scikit-learn的使用，非常适合初学者。

用scikit和tensorflow动手学习机器学习书籍， 非常好的一本书，十分推荐 推荐大家学习这本书

MovieLens 100K上的概率矩阵分解 总览 在此项目中，我们使用MovieLens 100K数据集。 该数据集包含来自943位用户的1,682部电影的100,000个评分。 在此项目中，RMSE（均方根误差）用作度量。 我测试了2种不同的数据分割：密集和稀疏。 数据是随机拆分的，用于训练/验证的数据为80％，对于密集数据的测试为20％，对于稀疏数据，仅训练/验证的数据为20％，对于测试为20％。 在训练中，应用5倍交叉验证来选择最佳超参数并在测试集中评估模型。 运行代码 参量 任务：[“ task1”-调整正则化参数，“ task2”-调整因子数量，“ predict”-预测等级]

不知道哪里能设成免费，CSDN的底限阿... scikit-Learn是基于python的机器学习模块，基于BSD开源许可证。这个项目最早由DavidCournapeau 在2007 年发起的，目前也是由社区自愿者进行维护。 scikit-learn的基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理，具体可以参考官方网站上的文档。 对于具体的机器学习问题，通常可以分为三个步骤，数据准备与预处理，模型选择与训练，模型验证与参数调优。 scikit-learn支持多种格式的数据，包括经典的iris数据，LibSVM格式数据等。