基于Matlab的机器学习WKNN，加权K近邻，含无数据包内含178个数据样本。
基于Matlab的机器学习WKNN，加权K近邻，含无数据包内含178个数据样本。
积分不够私信我
基于Matlab的机器学习WKNN，加权K近邻，含无数据包内含178个数据样本。
积分不够私信我
2022/9/4 1:58:55
10KB
1
一部值得精读的著作,将神经网络方法和自然语言处理的相关课题紧密的联合了起来.引见了神经网络的构建细节和机器学习的一些基本内容,并且包含了RNN,CNN等主流神经网络在NLP中的应用实例,另外2017年新书,有最新的学术信息.
2022/9/3 15:09:54
4.25MB
1
手写数字的识别是模式识别及机器学习的一个重要应用,应用范围非常广泛。
本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。
实验证明该方法能够快速无效的进行手写数字的识别。
本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。
实验证明该方法能够快速无效的进行手写数字的识别。
2022/9/3 0:25:35
292KB
1
本人黄海广博士，以前写过吴恩达老师的机器学习个人笔记。
有朋友报名了课程，下载了这次课程的视频给大家分享。
Coursera的字幕不全，同学们在学习上感觉非常不方便，因此我找志同道合的朋友翻译和整理字幕，中英文字幕来自于由我和曹骁威同学组织爱好者翻译，希望对大家有所协助。
有朋友报名了课程，下载了这次课程的视频给大家分享。
Coursera的字幕不全，同学们在学习上感觉非常不方便，因此我找志同道合的朋友翻译和整理字幕，中英文字幕来自于由我和曹骁威同学组织爱好者翻译，希望对大家有所协助。
2015/6/18 11:04:57
24.03MB
1
本文实例讲述了Python实现的随机森林算法。
分享给大家供大家参考，具体如下：随机森林是数据挖掘中非常常用的分类预测算法，以分类或回归的决策树为基分类器。
算法的一些基本要点：*对大小为m的数据集进行样本量同样为m的有放回抽样；
*对K个特征进行随机抽样，构成特征的子集，样本量的确定方法可以有平方根、自然对数等；
*每棵树完全生成，不进行剪枝；
*每个样本的预测结果由每棵树的预测投票生成（回归的时候，即各棵树的叶节点的平均）著名的python机器学习包scikitlearn的文档对此算法有比较详尽的介绍:http://scikit-learn.org/stable/modules/en
分享给大家供大家参考，具体如下：随机森林是数据挖掘中非常常用的分类预测算法，以分类或回归的决策树为基分类器。
算法的一些基本要点：*对大小为m的数据集进行样本量同样为m的有放回抽样；
*对K个特征进行随机抽样，构成特征的子集，样本量的确定方法可以有平方根、自然对数等；
*每棵树完全生成，不进行剪枝；
*每个样本的预测结果由每棵树的预测投票生成（回归的时候，即各棵树的叶节点的平均）著名的python机器学习包scikitlearn的文档对此算法有比较详尽的介绍:http://scikit-learn.org/stable/modules/en
2016/7/18 17:32:02
84KB
1
一、机器学习的分类：监督学习（supervisedlearning）：线性回归，逻辑回归，KNN，神经网络，决策树，集成学习，SVM，贝叶斯，协同过滤，LDA无监督学习（unsupervisedlearning）：聚类、关联规则，PCA降维……二、机器学习中主要处理问题包括：分类，回归，聚类，降维……
2018/1/7 4:29:10
9KB
1
coursera机器学习ex8练习第一部分为失常点检测；
第二部分为协同过滤算法实现的电影推荐系统使用方法：下载紧缩包并解压到本地，用matlab打开文件夹，打开ex8.mlx文件，即可查看详细说明（由于是coursera的作业，所以全是英文，可以结合本人博客阅读）。
博客链接：https://blog.csdn.net/ShadyPi/article/details/122759026
第二部分为协同过滤算法实现的电影推荐系统使用方法：下载紧缩包并解压到本地，用matlab打开文件夹，打开ex8.mlx文件，即可查看详细说明（由于是coursera的作业，所以全是英文，可以结合本人博客阅读）。
博客链接：https://blog.csdn.net/ShadyPi/article/details/122759026
2019/2/10 15:16:35
1.1MB
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