克里金算法C++版本,解决高维插值问题
2022-09-05 15:55:59 8.46MB 克里金 插值 c++ 高维插值
1
面向高维小样本数据的分类特征选择算法研究.pdf
2022-07-12 14:08:44 5.91MB 文档资料
高维数据子空间聚类算法研究.pdf
2022-07-12 14:08:03 892KB 文档资料
高维海量数据集离群点挖掘算法研究及其应用.pdf
2022-07-12 14:08:02 7.23MB 文档资料
热熔器 融合套索,可对各组进行高维回归。 该软件包实现了描述的模型 。 安装 library( ' devtools ' ) install_github( ' FrankD/fuser ' ) 例子 另请参阅随附的插图。 library( fuser ) set.seed( 123 ) # Generate simple heterogeneous dataset k = 4 # number of groups p = 100 # number of covariates n.group = 15 # number of samples per group sigma = 0.05 # observation noise sd groups = rep( 1 : k , each = n.group ) # group indicators # sparse linear coeff
2022-07-11 05:09:26 89KB R
1
人工智人-家居设计-高维数据可视化研究及在商业智能中的应用.pdf
2022-07-09 18:02:51 1.48MB 人工智人-家居
T-SNE可视化高维数据
2022-07-05 12:05:49 2KB T-SNE可视化高维数据
高维多目标优化问题一般指目标个数为4个 或以上时的多目标优化问题.由于种群中非支配解数量随着目标数量的增加而急剧增多,导致进化算法的进化压力严重降低,求解效率低.针对该问题,提出一种基于粒子群的高维多目标问题求解方法,在目标空间中引入一系列的参考点,根据参考点筛选出能兼顾多样性和收敛性的非支配解作为粒子的全局最优,以增大选择压力.同时,提出了基于参考点的外部档案维护策略,以保持最后所得解集的多样性.在标准测试函数DTLZ2上的仿真结果表明,所提方法在求解高维多目标问题时能够得到收敛性和分布性都较好的解集.
1
Note:由房价预测例子的学到,用Stacking的思维来汲取两种或者多种模型的优点 ipython的代码和数据集在我的GitHub中,链接在下面,下面的代码是在pycharm里运行的,差别不大。 #Step 1: 检视源数据集 import numpy as np import pandas as pd from sklearn.linear_model import Ridge from sklearn.model_selection import cross_val_score from sklearn.ensemble import RandomForestRegressor imp
2022-06-17 15:08:54 131KB kaggle le 分类
1
TT-Toolbox (TT=Tensor Train) 2.2 版TT(Tensor Train) 格式是一种有效的低参数方式高维张量的表示。 TT-工具箱是基本操作的 MATLAB 实现TT 格式的张量。 这包括: * tt_tensor 和 tt_matrix 类用于存储向量和运算符* 基本线性代数子程序(加法、矩阵乘向量积、 元素乘法和许多其他)使用标准 MATLAB 语法, 尺寸的线性复杂度,整形函数*快速的舍入程序,具有规定的精度* 高级逼近和求解技术: * 线性系统和特征值问题的近似解*交叉方法来近似“黑盒”张量* 小波张量训练分解* 基本运算符和函数的构建(拉普拉斯运算符,TT-张量的函数) *计算张量的最大和最小元素* 和其他几个 2.2 版的新功能*更好的文档* 混合 QTT-Tucker 格式(qtt_tucker 类) * TT-张量/TT-矩阵的重塑函数* d
2022-06-15 10:21:38 23.87MB matlab
1