贝叶斯统计_第2版_茆诗松_汤银才
2025/3/9 1:27:29 67.54MB bayes
自己写的,编程渣渣,写的很乱,但也基本实现了,仅供参考。
有朋友可以联系我相互讨论学习,
2025/3/8 18:31:32 3KB python pso bp
这是从kaggle上下载的“givemesomecredit”信用比赛的原始数据,用于个人信用评估相关机器学习模型
2025/3/8 7:16:34 7.21MB 个人信用数据
通过PYQT5做的一个桌面小工具,连接sqlite数据库,自定义表格展示数据,以及表格点击显示出详细数据,供大家参考。
2025/3/7 21:38:03 34KB PYQT5 SQLITE Pyt
北京交通大学机器学习期末考试复习重点不可多得的资料
2025/3/7 21:46:40 274.89MB BJTU 机器学习 期末重点
worldclim里的生物地图资源,并且已经裁剪好到美国地图大小,还添加有美国树木资源,可以被maxent调用
2025/3/6 4:50:09 4.14MB 地图资源 asc
英文原版,英文好的可以看一下良好的理论分析特性,高效的实际可计算性和强大的建模能力是大家选择凸建模的原因。
注意,我这里说的是凸建模!科学研究的第一步是对实际问题抽象近似,建模成数学问题,这里有巨大的选择自由度!虽然非凸建模具有最强的表达能力,也最省事,代价却是理论上难以分析和实际中无法可靠计算!近十年来火的一塌糊涂的压缩感知,稀疏表示和低秩恢复都是由凸建模带动起来的!研究者们通过分析凸问题的性质来解释和理解真实世界的机理!要注意,很多这样的问题几十年前就已经有非凸的表达形式了,只有用凸建模才焕然一新!更进一步,通过对凸建模的深入理解,大家对具体的非凸问题,注意不是所有,开始利用特殊的结构特点做分析,得出了一些很深刻的结果,比如神经网络收敛到局部最优解,而不是平稳点,随机算法有助于逃离鞍点。
但是,非凸分析几乎都是casebycase,没有统一有效的手段,这与凸分析差别甚大。
从这个角度来说,凸建模和凸优化是研究实际问题的首选!作者:知乎用户链接:https://www.zhihu.com/question/24641575/answer/136736625来源:知乎著作权归作者所有。
商业转载请联系作者获得授权,非商业转载请注明出处。
2025/3/6 4:58:51 5.74MB 凸优化
opengl片元着色器中,将像素点由RGB转HSV,再由HSV转RGB的方法代码,经测试没有问题
2025/3/5 3:54:48 2KB 着色器 HSV RGB
航空公司客户价值分析完整代码项目背景:为某航空公司需要以客户为中心,按照客户的需求,在对客户的特点了解上使用不同的营销手段,目的是争取更多新客户,降低客户流失率,降低服务成本,提高业务收入,增加ARPU值(averagerevenueperuser每个用户的平均收益,一般以月为单位),精准的市场营销策略制定。
详见博客:https://blog.csdn.net/u010963246/article/details/90484644
2025/3/5 3:43:53 15.64MB python 客户价值分析 代码 数据
pso代码,共13类
2025/3/4 18:19:07 9KB pso;matalb
共 1000 条记录 首页 上一页 下一页 尾页