Python内核自适应过滤：在Python中实现LMS，RLS，KLMS和KRLS过滤器
2022-04-06 16:15:38
3.38MB
1
快乐变形金刚
Happy Transformer是基于构建的软件包，可轻松利用最新的NLP模型。
目录
新闻：
2021年1月12日
即将推出2.0.0版！
我们从头开始完全重新设计了Happy Transformer。
新的功能：
问答训练
多标签文字分类训练
文本分类的单一预测
不推荐使用的功能：
掩蔽词预测训练
具有多个遮罩的遮罩字预测
重大更改：
一切
Happy Transformer已经过重新设计，以提高可伸缩性。 现在，添加新模型和功能比以往任何时候都容易，并且我们鼓励您创建PR来为该项目做出贡献。
2020年11月23日
上个月，Happy Transformer在名
2022-04-06 14:51:22
40KB
1
使用ClickHouse的机器学习——Machine Learning with ClickHouse.pdf
2022-04-06 03:10:27
1.49MB
早些时候做的一个reportmachie,access数据库的报表例子,一直留着,对入门新手来说应该不错，在其他平台广受好评。
2022-04-05 16:19:03
138KB
1
在本文中，我们将研究一种称为Logistic回归分类器的有监督的机器学习算法，用于多类分类。
2022-04-05 09:19:08
121KB
1
在本教程中，我们演示如何使用TinyML和Edge Impulse为Arduino Nano BLE Sense构建咳嗽检测系统。
2022-04-04 23:54:07
348KB
1
describeX：面向数据科学家的可解释AI框架
ExplainX是面向数据科学家和业务用户的模型可解释性/可解释性框架。
使用explainX可以了解整体模型的行为，解释模型预测背后的“原因”，消除偏见并为您的业务涉众创建令人信服的解释。
为什么我们需要模型可解释性和可解释性？
必不可少的
解释模型预测
调试模型
检测数据偏差
获得业务用户的信任
成功部署AI解决方案
我们可以用explainX回答什么问题？
为什么我的模型出错？
我的模特有偏见吗？ 如果是，在哪里？
我如何理解和信任模型的决策？
我的模型满足法律和法规要求吗？
我们已在服务器上部署了该应用程序，因此您可以使用
2022-04-03 22:02:41
1.19MB
1
Machine Learning 中文版 Tom M. Mitchell ，机器学习的经典教材，翻译之后的中文版
2022-04-03 21:33:26
801KB
1