利用机器学习来更有效地分类组织图像(通俗地说，这些是人类的图像显微镜下的组织)。这些图像通常由病理学家分析，并将每张图像分配给四张中的一张可能的类。0级表示无肿瘤，1-3级表示有肿瘤，每级这些表明了一种不同类型的肿瘤。有三个文件夹： X train.npy, y train.npy and X test.npy. 训练数据集由858幅高分辨率图像组成，每幅图像(即本问题中的xi)的维数为1024 × 1024 × 3。测试数据集由287幅与训练数据集相同维数的图像组成，你可以提交你对这些图像的预测，
2022-06-10 09:10:37
25KB
1
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习
一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门练习一个著名的共享单车数据集，可以用来做神经网络分类器入门
2022-06-07 16:06:36
281KB
1
web安全数据集，可以用于入侵检测，包含标注数据集与原始数据集，主要用于机器学习和深度学习在安全领域建模。
2022-05-08 09:09:53
3.71MB
简介facets项目包含两个用于理解和分析机器学习数据集的可视化：Facets概述和Facets Dive。
这些可视化被实现为Polymer Web组件，并得到Type简介的支持。Facets项目包含两个用于理解和分析机器学习数据集的可视化：Facets概述和Facets Dive。
可视化被实现为Polymer Web组件，由Typescript代码支持，并且可以轻松地嵌入到Jupyter笔记本或网页中。
可视化的实时演示可以在Facets项目描述页面上找到。
构面概述概述提供了一个或多个数据集的高级视图。
它通过以下方式产生视觉特征：
2022-05-05 16:52:33
4.06MB
1
本数据集为wine数据集，包含三张类别的葡萄酒，三类共178个样本，每个样本包含13个特征，分别为酒精 苹果酸 艾熙 灰分碱性 镁 总酚类 黄酮类 非淀粉酚类 原花青素 颜色强度 色调 稀释葡萄酒的OD280/OD315 脯氨酸
2022-04-04 12:27:36
8KB
1