搜索资源列表
learning-spark-master
- 将逻辑回归应用于二元分类的情况。这里以垃圾邮件分类为例,即是否为垃圾邮件两种情况。然后,根据词频把每个文件中的文本转换为特征向量,训练出一个可以把两类消息分开的逻辑回归模型,判断输入测试语句是否为垃圾邮件。(Spark MLlib (Java): Input: spam.txt; normal.txt; text sentence. Output:1.0(spam), 0.0(normal email))
餐饮管理系统
- 使用winform开发的餐饮管理系统,以下是一些核心功能实现的简介: 1、显示厅包及餐桌-》开发步骤1、添加TabControl。2、查询HallInfo,遍历创建TabPage。3、创建ListView,加入TabPage上。4、查询TableInfo,遍历创建ListViewItem。-》在主窗口中,使用标签显示厅包,在每个标签中使用listview显示餐桌。餐桌分为使用、空闲状态。-》双击餐桌,如果是空闲,则开单,如果是使用,则继续点菜。//开单:1、为OrderInfo表插入数据;修改
nb
- 朴素贝叶斯分类分为两步: ① 计算特征项和所属类别之间的概率; ② 判断文本dj是否属于类别ci的概率 本代码为训练阶段(Naive Bayes classification is divided into two steps: 1 Calculate the probability between the feature item and its own category; 2 The probability of judging whether the text dj belong
CRF++-0.44.tar
- 条件随机场的c++实现,可用于文本标注、图像分类、分割等领域(conditional random field,CRF++ 0.44)
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明: --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型,输入单个图片输出结果,并分类到文件夹 #### 数据集说明: --- * 这里是列表文本使用的是比利时的交通标志数据集,可以网上自己找,里面有62个分类。 #### 网络说明: --- *
DI
- 使用爬虫爬取医疗对话文本信息,并使用tensorflow进行NLP分析和分类。(obtain data using crow programme and then use TensorFlow to realize an NLP system to classify the data.)
Deep Learning with Python
- 深度学习基本算法,深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库,它允许简单快速的原型设计。 在Python深度学习中, 你将从一开始就学习深度学习,你将学习所有关于图像分类模型,如何使用深度学习获取文本和序列,甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的,但你不必在机器学习,Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景,只有基础的高中水平数学应该让你跟随和理解核心