CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 搜索资源 - 贝叶斯分类python代码

搜索资源列表

  1. python-code-for-Machine-learning

    2下载:
  2. 用于机器学习的全方位python代码,包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据:回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-05-06
    • 文件大小:546302
    • 提供者:杨宇
  1. mechine-learning

    2下载:
  2. 本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统
  3. 所属分类:书籍源码

    • 发布日期:2017-12-16
    • 文件大小:52069376
    • 提供者:王雪玮
  1. 3.贝叶斯分类器

    1下载:
  2. 贝叶斯定理是用数学的方法来解释生活中大家都知道的常识,而机器学习使用的各种算法中,最常见的就是贝叶斯定理。此代码为贝叶斯分类python代码,包含高斯贝叶斯分类器,多项式贝叶斯分类器和伯努利贝叶斯分类器,并有具体的数据例子进行仿真比较(Bias's theorem is a mathematical way to explain all the common sense in life, and machine learning using various algorithms, the mos
  3. 所属分类:其他

    • 发布日期:2017-12-29
    • 文件大小:1024
    • 提供者:fdy219517
  1. 朴素贝叶斯源码

    0下载:
  2. 朴素贝叶斯分类器用Python实现,基础代码适合初学者(Naive bayes classifier is implemented in Python, and basic code is suitable for beginners)
  3. 所属分类:其他

    • 发布日期:2018-01-06
    • 文件大小:236544
    • 提供者:Amber555
  1. py_ex

    0下载:
  2. 利用朴素贝叶斯理论,将垃圾邮件的做分类,使用python代码,内涵邮件数据(Naive Bayes theory is used to classify spam, using Python code, and content mail data.)
  3. 所属分类:数学计算

    • 发布日期:2018-05-02
    • 文件大小:7168
    • 提供者:三火123456
  1. bayes

    0下载:
  2. 这是一个用于贝叶斯分类器的源代码,请有需要的朋友看一下(This is the python source code used to describe baysion clustering. It can be combined with your actual needs.)
  3. 所属分类:其他

    • 发布日期:2018-05-02
    • 文件大小:1024
    • 提供者:chentrer
  1. 5、贝叶斯python代码及数据

    1下载:
  2. 贝叶斯算法实现分类及数据集 python代码 分类算法(The classification and data set of Bias algorithm)
  3. 所属分类:人工智能/神经网络/深度学习

    • 发布日期:2020-06-28
    • 文件大小:33917952
    • 提供者:激流勇进
搜珍网 www.dssz.com