机器学习方法在股指期货预测中的应_省略_SVM和XGBoost的比较分析_黄卿.pdf
2022-03-11 14:20:17 1.52MB FinE
1
Analyze ~500,000 food reviews from Amazon. 分析来自亚马逊的约500,000条食物评论 Amazon Fine Food Reviews_datasets.txt
2022-03-09 22:20:35 395B 数据集
1
亚马逊美食评论50万数据集(Amazon Fine Food Reviews) 之前做评论分类 好不容易找到的数据集 分享了。 需要更多资源请关注。 Github: https://github.com/huangyueranbbc
2022-02-27 13:21:45 353MB spark 大数据 机器学习 亚马逊评论
1
使用Pytorch进行T5-微调 情感分类 文字摘要
2022-02-26 08:58:38 190KB JupyterNotebook
1
俄语文本摘要的GPT-3微调_Fine-tuning GPT-3 for Russian Text Summarization.pdf
2022-01-22 09:02:12 178KB cs
CIFAR100 小图像分类数据集 50,000 张 32x32 彩色训练图像数据,以及 10,000 张测试图像数据,总共分为 100 个类别。 返回: 2 个元组: x_train, x_test: uint8 数组表示的 RGB 图像数据,尺寸为 (num_samples, 3, 32, 32) 或 (num_samples, 32, 32, 3),基于 image_data_format 后端设定的 channels_first 或 channels_last。 y_train, y_test: uint8 数组表示的类别标签,尺寸为 (num_samples,)。 参数: label_mode: "fine" 或者 "coarse"
2022-01-12 09:13:42 176.01MB cifar100 numpy tensorflow keras
1
亚马逊美食评论 Amazon Fine Food Reviews数据集包含568,454条亚马逊用户截至2012年10月的食品评论。 该分析的目的是建立一个预测模型,在此模型中,我们将能够预测推荐是肯定的还是否定的。 在此分析中,我们将不关注分数,而仅关注建议的积极/消极情绪。 涉及程序 该项目是关于文本数据使用的情感分析 nltk库,其中包括PorterStemmer()和word_tokenize(),可将非结构化文本数据更改为结构化文本 使用countvectorizer(将文本文档的集合转换为令牌计数矩阵),TfidfTransformer(以缩小在给定语料库中频繁出现的令牌的影响,因此,从经验上讲,其信息量少于一小部分的功能)来自sklearn库的训练语料库以进行特征提取 朴素的贝叶斯(MultinomialNB,BernoulliNB) 逻辑回归 使用roc曲线,confc
2022-01-11 17:59:05 101KB JupyterNotebook
1
TransFG:用于细粒度识别的变压器体系结构 论文的官方PyTorch代码: 不久将发布基于ImageNet-1K上训练的DeiT的实现,并进行精调。 框架 依存关系: 的Python 3.7.3 PyTorch 1.5.1 火炬视觉0.6.1 ml_collections 用法 1.下载Google预先训练的ViT模型 :ViT-B_16,ViT-B_32 ... wget https://storage.googleapis.com/vit_models/imagenet21k/{MODEL_NAME}.npz 2.准备数据 在本文中,我们使用来自5个公开数据集的数据: 请从官方网站下载它们,并将它们放在相应的文件夹中。 3.安装所需的软件包 使用以下命令安装依赖项: pip3 install -r requirements.txt 4.火车 要在FP-16模式下以
2022-01-08 10:12:51 738KB fine-grained-recognition Python
1
高一英语 Module 4《Fine Arts-Useful phrases》课件 外研版必修2.ppt
2022-01-07 14:03:28 55KB
mxnet修改后的fine_tune文件
2021-12-27 19:08:27 6KB mxnet
1