1.项目基于机器学习算法，通过对单模型和融合模型计算所得的指标进行对比，实现小分子在人体内清除率指标的预测。
2.项目运行环境：Python环境、安装Jupyter Notebook 或Spyder、需要matplotlib、numpy、pandas 、sklearn安装包库
3.项目包括3个模块：数据预处理，创建模型并编译，模型训练
4.单模型训练：训练岭回归模型、随机森林模型和极端森林模型。
5. 多模型融合：回归问题最简单的模型融合方式，取加权平均对最优的两个模型进行不同权值的平均，最终输出最优的权值结果。
6. 不同模型的评价指标以rmse为指标，经过分析，融合模型得到最低的rmse，为2.698796237546118。
2023-09-20 06:59:59
10.72MB
1
本文来自于网络，文章详细介绍了使用Python实现机器学习算法的损失函数、反向传播过程等相关知识。在这一章节里，我们将实现一个简单的神经网络架构，将2维的输入向量映射成二进制输出值。我们的神经网络有2个输入神经元，含6个隐藏神经元隐藏层及1个输出神经元。我们将通过层之间的权重矩阵来表示神经网络结构。在下面的例子中，输入层和隐藏层之间的权重矩阵将被表示为W，隐藏层和输出层之间的权重矩阵为W。除了连接神经元的权重向量外，每个隐藏和输出的神经元都会有一个大小为1的偏置量。我们的训练集由m=750个样本组成。因此，我们的矩阵维度如下：训练集维度：X=(750，2)目标维度：Y=(750，1)W维度：(
2023-07-23 12:51:37
199KB
1
使用 Q-learning 算法在能源市场中实现利益最大化这篇论文有一些想法： Yousefi, S.、Moghaddam, MP 和 Majd, VJ (2011)。 使用综合需求响应模型在基于代理的零售市场中优化实时定价。 能源，36（9），5716-5727。
2023-05-16 16:19:35
20KB
1
强化学习算法合集（DQN、DDPG、SAC、TD3、MADDPG、QMIX等等）内涵20+强化学习经典算法代码。对应使用教程什么的参考博客：
多智能体（前沿算法+原理）
https://blog.csdn.net/sinat_39620217/article/details/115299073?spm=1001.2014.3001.5502
强化学习基础篇（单智能体算法）
https://blog.csdn.net/sinat_39620217/category_10940146.html
2023-05-15 19:40:13
17.37MB
1
引入加法模型在给定了训练数据和损失函数的条件下，可以通过损失函数最小化来学习加法模型然而对于这个问题是个很复杂的优化问题，而且要训练的参数非常的多，前向分布算法
2023-05-11 19:30:20
2.12MB
1
近年来，机器学习方法在农业领域的应用取得巨大成功，广泛应用于科 学施肥、产量预测和经济效益预估等领域。根据土壤信息进行数据挖掘，并在此基础上提出区域性作物的种植建议，不仅可以促进农作物生长从而带来经济效益，还可以改善土壤肥力，促进可持续发展。本文根据土土 壤养分元素[如：氮（N）、磷（P）、钾（K）等]的含量建立模型分析并且给出精准预测,可以实现了几种机器学习分类算法形成科学的种植方案,最终还实现了应用界面的实现。
2023-04-15 17:56:28
182KB