- KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视... KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视...
- 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信... 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信...
- ML：利用time模块统计机器学习模型训练前后的时间成本代码实现 目录 利用time模块统计机器学习模型训练前后的时间成本代码实现 利用time模块统计机器学习模型训练前后的时间成本代码实现 ML：利用time模块统计机器学习模型训练前后... ML：利用time模块统计机器学习模型训练前后的时间成本代码实现 目录 利用time模块统计机器学习模型训练前后的时间成本代码实现 利用time模块统计机器学习模型训练前后的时间成本代码实现 ML：利用time模块统计机器学习模型训练前后...
- Py之chatterbot-corpus：python包之chatterbot-corpus包简介、安装、使用方法之详细攻略 目录 chatterbot-corpus简介 chatterbot-corpus安装 chatterbot-corpus使用方法 chatterbot-corpus简介 chatterbot... Py之chatterbot-corpus：python包之chatterbot-corpus包简介、安装、使用方法之详细攻略 目录 chatterbot-corpus简介 chatterbot-corpus安装 chatterbot-corpus使用方法 chatterbot-corpus简介 chatterbot...
- ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f... ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f...
- AI：机器学习、深度学习在实际应用(工业应用)中的步骤流程框架、实际场景(案例)之详细攻略 目录 机器学习/深度学习场景实际应用 1、分类问题案例 2、回归问题案例 3、聚类问题案例 机器学习/深度学习应用流程步骤 机器学习/深度学习场景实际应用 1、分类问题案例 Kaggle Titanic：Titanic: Machi... AI：机器学习、深度学习在实际应用(工业应用)中的步骤流程框架、实际场景(案例)之详细攻略 目录 机器学习/深度学习场景实际应用 1、分类问题案例 2、回归问题案例 3、聚类问题案例 机器学习/深度学习应用流程步骤 机器学习/深度学习场景实际应用 1、分类问题案例 Kaggle Titanic：Titanic: Machi...
- RL之SARSA：利用强化学习之SARSA实现走迷宫—训练智能体走到迷宫(复杂陷阱迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 后期更新…… 测试记录全过程 …… ......... . . . Ao . . ... RL之SARSA：利用强化学习之SARSA实现走迷宫—训练智能体走到迷宫(复杂陷阱迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 后期更新…… 测试记录全过程 …… ......... . . . Ao . . ...
- RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport num... RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport num...
- RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 目录 输出结果 设计思路 测试过程 输出结果 视频观看地址：强化学习—基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 设计思路 测试过程 Episode: 1 ~ 5 Average reward: 15.00000... RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 目录 输出结果 设计思路 测试过程 输出结果 视频观看地址：强化学习—基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 设计思路 测试过程 Episode: 1 ~ 5 Average reward: 15.00000...
- ML：从0到1 机器学习算法思路实现全部过程最强攻略 目录 思维导图 设计思路 思维导图 设计思路 相关文章 ML之FE：结合Kaggle比赛的某一案例细究Feature Engineering思路框架ML之FE：Feature Engineering——数据类型之预处理数据的一些函数ML之FE：Feat... ML：从0到1 机器学习算法思路实现全部过程最强攻略 目录 思维导图 设计思路 思维导图 设计思路 相关文章 ML之FE：结合Kaggle比赛的某一案例细究Feature Engineering思路框架ML之FE：Feature Engineering——数据类型之预处理数据的一些函数ML之FE：Feat...
- ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、... ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、...
- ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：... ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：...
- EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参) 目录 输出结果 设计思路 核心代码 输出结果 1、eps=0.1,treeDepth=1 2、eps=0.1,treeDepth=5 2、eps=0.3,treeDepth=5 设计思路 核心代码 f... EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参) 目录 输出结果 设计思路 核心代码 输出结果 1、eps=0.1,treeDepth=1 2、eps=0.1,treeDepth=5 2、eps=0.3,treeDepth=5 设计思路 核心代码 f...
- RL之DQN：基于TF训练DQN模型玩“打砖块”游戏 目录 输出结果 设计思路 训练过程 输出结果 1、test01 2、test02 设计思路 训练过程 后期更新…… RL之DQN：基于TF训练DQN模型玩“打砖块”游戏 目录 输出结果 设计思路 训练过程 输出结果 1、test01 2、test02 设计思路 训练过程 后期更新……
- RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(简单迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport numpy as ... RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(简单迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport numpy as ...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签