搜索资源列表
parti
- 不错的数据挖掘算法大集成（1），请个位大大批评指正！-good data mining algorithms big Integration (1), 000-bit greatly criticized correct!
code
- 此为数据挖掘课程大作业，主要功能是对已给定的描述生物分子三维结构的139351 个属性中，分类预测出该分子化合物对目标体的化学活性，从而达到帮助药物设计的目的。实验现有的数据包括：110个已标记活性标签的描述分子三维结构的139351维数据，634 个为标记活性标签的三维结构数据。希望根据这些提供的数据，采用适当的分类方法，提供出一个经过训练的分类器，能够尽可能准确的帮助未标记活性的分子化合物确定其活性。-This is a big job data mining courses, the ma
AI_Blood
- 本次大作业利用K‐近邻（K‐Nearest Neighbor）算法，为给定的训练数据集构造了分类器， 并在测试数据集上进行分类预测，同时计算了Accuracy、Precision、Recall和F‐measure，利用 10‐fold的实验方法进行交叉验证。-The big job to use K-neighbor (K-Nearest Neighbor) algorithm, for a given set of training data classifier is constru
feature_extraction_agilant
- One of the big challenges in microarray data analysis generating reliable, high-quality image-analysis results. Agilent’s Feature Extraction (FE) software reads and processes up to 100 raw microarray image fi les in an automated, walkaw
GAppt
- 遗传算法，非常强大的思想，适用于优化BP网络，这个是入门级资料，对于认识算法本质有非常大帮助。 -Genetic algorithm, a very powerful idea, for optimization of BP network, this is the entry-level data, algorithms for understanding the nature of a very big help.
cor_ls
- 把辨识分成两步进行：第一步：利用相关分析法获得对象的非参数模型（脉冲响应或相关函数）；第二步：利用最小二乘法、辅助变量法或增广最小二乘法等，进一步求的对象的参数模型。如果模型噪声与输入无关，则Cor-ls相关最小二乘法（二步法）可以得到较好的辨识结果。Cor-ls相关最小二乘法（二步法）实质上是先对数据进行一次相关分析，滤除了有色噪声的影响，再利用最小二乘法必然就会改善辨识结果。能适应较宽广的噪声范围，计算量不大，初始值对辨识结果影响较小。但要求输入信号与噪声不相关-The identifica
BigDataAI
- 简要介绍了当前大数据人工智能研究与进展，有借鉴意义-Introduces the current research and development of artificial intelligence, big data, there is reference
大数据下的机器学习算法综述
- 研究大数据环境下的机器学习算法成为学术界和产业界共同关注的话题. 文中主要分析和总结当前用于处理大数据的机器学习算法的研究现状.(Developing machine learning algorithms for big data is a research focus. In this paper, the state of the art machine learning techniques for big data are introduced and analyzed.)
liblinear-2.0
- Libsvm和Liblinear都是国立台湾大学的Chih-Jen Lin博士开发的，Libsvm主要是用来进行非线性svm 分类器的生成，提出有一段时间了，而Liblinear则是去年才创建的，主要是应对large-scale的data classification，因为linear分类器的训练比非线性分类器的训练计算复杂度要低很多，时间也少很多，而且在large scale data上的性能和非线性的分类器性能相当，所以Liblinear是针对大数据而生的。(Libsvm and Libli
机器学习实战(中文，英文原版及源码)
- 机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。(Machine learning is a very important research direction in the research field of artificial intelligence, big data in the background, infor
2017Computer
- 2017年大数据挑战赛初赛程序，鼠标轨迹的攻击模式预测(2017 big data challenge the preliminary program, the mouse trajectory prediction attack mode)
数据挖掘算法知识包
- 一些有关数据挖掘的十种经典算法，还有大数据方面的资料库，有需要可以下载学一下。(Some of the ten classic algorithms for data mining, as well as big data databases, need to be downloaded to learn)
极客内参-大数据开发实战-淘宝数据8
- 大数据环境搭建，主要是关于大数据分析的数据集。(Building big data environment)
深度（多层）极限学习机的python实现
- 深度极限学习机也叫多层极限学习机，ML-ELM。是黄广斌等人在极限学习机ELM基础上，将其拓展为深度学习的一种模式识别方法，原文文章：Representational learning with extreme learning machine for big data。(The deep extreme learning machine is also called the multi-layer extreme learning machine, ML-ELM. It is Huang Gu