机器学习代码学习，复现.zip
机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。2010年的图灵奖获得者为哈佛大学的Leslie vlliant教授，其获奖工作之一是建立了概率近似正确（Probably Approximate Correct，PAC）学习理论；2011年的图灵奖获得者为加州大学洛杉矶分校的Judea Pearll教授，其主要贡献为建立了以概率统计为理论基础的人工智能方法。这些研究成果都促进了机器学习的发展和繁荣。 [2]
机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。一个系统是否具有学习能力已成为是否具有“智能”的一个标志。机器学习的研究主要分为两类研究方向：第一类是传统机器学习的研究，该类研究主要是研究学习机制，注重探索模拟人的学习机制；第二类是大数据环境下机器学习的研究，该类研究主要是研究如何有效利用信息，注重从巨量数据中获取隐藏的、有效的、可理解的知识。 [2]
机器学习历经70年的曲折发展，以深度学习为代表借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，在很多方面收获了突破性进展，其中最有代表性的是图像识别领域。
文件下载
资源详情
[{"title":"（ 36 个子文件 23KB ） 机器学习代码学习，复现.zip","children":[{"title":"content","children":[{"title":"Linear_regression","children":[{"title":"L_r.py <span style='color:#111;'> 122B </span>","children":null,"spread":false},{"title":"generate_data.py <span style='color:#111;'> 371B </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"L_r.cpython-37.pyc <span style='color:#111;'> 323B </span>","children":null,"spread":false},{"title":"generate_data.cpython-37.pyc <span style='color:#111;'> 486B </span>","children":null,"spread":false}],"spread":true},{"title":"demo.py <span style='color:#111;'> 543B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 784B </span>","children":null,"spread":false}],"spread":true},{"title":"GDA","children":[{"title":"GDA.py <span style='color:#111;'> 1.73KB </span>","children":null,"spread":false},{"title":"generate_data.py <span style='color:#111;'> 567B </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"GDA.cpython-37.pyc <span style='color:#111;'> 2.00KB </span>","children":null,"spread":false},{"title":"generate_data.cpython-37.pyc <span style='color:#111;'> 666B </span>","children":null,"spread":false}],"spread":true},{"title":"demo.py <span style='color:#111;'> 378B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 20B </span>","children":null,"spread":false}],"spread":true},{"title":"SVM","children":[{"title":"demo2.py <span style='color:#111;'> 1.68KB </span>","children":null,"spread":false},{"title":"SVM.py <span style='color:#111;'> 5.04KB </span>","children":null,"spread":false},{"title":"generate_data.py <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"kernel.py <span style='color:#111;'> 920B </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"kernal.cpython-37.pyc <span style='color:#111;'> 1.38KB </span>","children":null,"spread":false},{"title":"SVM.cpython-37.pyc <span style='color:#111;'> 3.63KB </span>","children":null,"spread":false},{"title":"kernel.cpython-37.pyc <span style='color:#111;'> 1.38KB </span>","children":null,"spread":false},{"title":"generate_data.cpython-37.pyc <span style='color:#111;'> 1.45KB </span>","children":null,"spread":false}],"spread":true},{"title":"demo.py <span style='color:#111;'> 922B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 78B </span>","children":null,"spread":false}],"spread":true},{"title":"deeplearningmethod","children":[{"title":"README.md <span style='color:#111;'> 99B </span>","children":null,"spread":false}],"spread":true},{"title":"Logistic_regression","children":[{"title":"generate_data.py <span style='color:#111;'> 1.37KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"logistic_regression.cpython-37.pyc <span style='color:#111;'> 2.07KB </span>","children":null,"spread":false},{"title":"generate_data.cpython-37.pyc <span style='color:#111;'> 1.46KB </span>","children":null,"spread":false}],"spread":true},{"title":"demo.py <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 575B </span>","children":null,"spread":false},{"title":"logistic_regression.py <span style='color:#111;'> 1.55KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 336B </span>","children":null,"spread":false},{"title":"LDA","children":[{"title":"generate_data.py <span style='color:#111;'> 586B </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"LDA.cpython-37.pyc <span style='color:#111;'> 813B </span>","children":null,"spread":false},{"title":"generate_data.cpython-37.pyc <span style='color:#111;'> 708B </span>","children":null,"spread":false}],"spread":true},{"title":"demo.py <span style='color:#111;'> 882B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 19B </span>","children":null,"spread":false},{"title":"LDA.py <span style='color:#111;'> 622B </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]
评论信息
其他资源
- 系统架构师论文81篇
- WPF TabControl 带关闭按钮
- 体域网信道路径损耗模型
- XLSReadWriteII 6.00.47 For Delphi10.3 RIO Full Source
- 问答机器人
- gcc-linaro-5.3-20170216.tar.bz2
- GBT-6565-2015职业分类与代码
- 基于Qt与MuPDF的pdf阅读器
- java，socket聊天，单聊，群聊，传文件，加密聊天和传文件
- 基本农田数据质量检查软件V1.5（20170222）
- MFC串口通讯组件
- 基于 MATLAB 的语音信号分析与处理的课程设计
- FFmpeg API读取视音频文件信息的一个工具----MediaFileInfoList.zip
- [知识图谱实战篇] 七.HTML+D3实现关系图谱搜索功能（源码）
- 单片机秒表课设
- 全国地图shp
- Angular5 权威教程书籍 英文原版高清带书签 非影印版
- ecognition中分类特征详细介绍文档
- c++实现的sql基本功能 Linux，win下可运行
- Java Web 从入门到精通 第2版.pdf 最新版-高清-带书签-入门必读
- .net教材管理系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明