DoubleML-Python中的双机学习
Python软件包DoubleML提供了的双重/无偏机器学习框架的 。 它建立在（Pedregosa等，2011）。
请注意，Python软件包是与基于的R twin一起开发的。 R包也可以在和 。
文档和维护
文档和网站： :
DoubleML当前由和维护。
可以将错误报告给问题跟踪器，为 。
主要特点
双重/无偏机器学习
部分线性回归模型（PLR）
部分线性IV回归模型（PLIV）
互动回归模型（IRM）
交互式IV回归模型（IIVM）
DoubleML的面向对象的实现非常灵活。 模型类DoubleMLPLR ， Doub
2023-03-15 23:00:41
207KB
1
人工神经网络原理与仿真实例第2版 教学课件 高隽 第4章 支持向量机及其学习算法.ppt
2022-05-29 19:06:47
835KB
'''
感知机学习算法----对偶形式
输入：线性可分的数据集T={(x1,y1),(x2,y2),...,(xN,yN)},其中xi属于R^n,yi属于{-1，+1}，i，2，...,N;学习率h(0
2022-05-10 09:08:26
2KB
一、感知机（perceptron）的学习：
1. 什么是感知机：是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1；
2. 模型类型：感知机将对应的输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型；
3. 感知机模型：感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法
对顺势函数进行极小化，求得感知机模型。
二、算法步骤：
1.选取初值w0,b0.确定学习率（属于（0，1]）
2.在训练集中选取数据（xi,yi）
3.如果yi(w*xi+b)<=0,更新w,b
w=w+学习率*yi*xi
b=b+学习率*yi
4.转至（2），直到没有误分类
2022-05-07 10:05:17
2KB
该代码包括感知机学习算法和对偶形式的感知机学习算法，应用在二分类的问题上，整体上表现出不错的效果
2022-04-30 17:07:00
3KB
v50芯片测试机编程手册，芯片封装测试行业会用到的数字测试系统
2022-04-26 15:13:18
4.74MB