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