本案例采用MNIST数据集对sklearn常用的分类算法进行训练，然后用训练后的模型来识别自己手写的数据。
本文采用sklearn里面最常用的分类算法:RandomForestClassifier、KNeighborsClassifier、SVC、MultinomialNB作为代表进行分析学习。
本文采用sklearn里面最常用的分类算法:RandomForestClassifier、KNeighborsClassifier、SVC、MultinomialNB作为代表进行分析学习。
2023/12/16 15:34:52
1.19MB
1
压缩包主要采用随机森林算法处理adult数据集的分类问题，主要包含四部分，第一部分是由python编写的adult数据集预处理过程，第二部分是自己编写的随机森林算法处理adult数据集，第三部分是调用python中sklearn模块处理adult分类问题，第四部分是基于matlab调用5种机器学习分类算法分别处理adult分类问题比较哪种算法能够取得更好的分类效果。
2023/12/15 12:15:04
12.38MB
1
salary_data.csv薪水数据报表,用于sklearn机器学习使用,模型选择,数据划分,str数据转换,线形回归等课题学习的素材使用
2023/12/12 0:18:23
3KB
1
这是我目前看到的最好的机器学习算法学习资料。
可在B站找视频，找不到的给我留言。
讲的很清楚，有条理，课件内容丰富。
可在B站找视频，找不到的给我留言。
讲的很清楚，有条理，课件内容丰富。
2023/8/31 14:41:04
94.13MB
1
本报告包括详尽完整的文本分类处理过程，包括语料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。
2023/7/15 21:32:55
4.05MB
1
伦敦租赁市场最初使用Pandas创建包含伦敦自治市镇统计数据的数据集，其中包括：平均租金居民平均工资犯罪/1000人平均GCSEScore住宅/公顷房屋价格％公益住房使用sklearn，使用其他变量来建模和预测自治市镇的租金价格。
使用Plotly可视化该过程。
可以在JupyterNotebook文件MLRentalMarket-code中查看。
在Dash应用程序中以可视方式显示。
这是通过Heroku使用以下方法部署的：app.py中的python代码，proc文件requirements.txt中型文章记录过程：：
使用Plotly可视化该过程。
可以在JupyterNotebook文件MLRentalMarket-code中查看。
在Dash应用程序中以可视方式显示。
这是通过Heroku使用以下方法部署的：app.py中的python代码，proc文件requirements.txt中型文章记录过程：：
2023/6/2 4:10:15
1.05MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB