登录
首页 » Python » 机器学习实战书籍代码-Python3版本

机器学习实战书籍代码-Python3版本

于 2019-03-25 发布
0 247
下载积分: 1 下载次数: 17

代码说明:

说明:  机器学习实战,python源码,KNN,决策树等实现(Machinie Learning IN ACTION)

文件列表:

整本机器学习实战书籍代码-py3版本\AdaBoost\adaboost.py, 7585 , 2017-10-16
整本机器学习实战书籍代码-py3版本\AdaBoost\horseColicTest2.txt, 13614 , 2017-10-14
整本机器学习实战书籍代码-py3版本\AdaBoost\horseColicTraining2.txt, 60778 , 2017-10-14
整本机器学习实战书籍代码-py3版本\AdaBoost\horse_adaboost.py, 5872 , 2017-10-14
整本机器学习实战书籍代码-py3版本\AdaBoost\ROC.py, 6204 , 2017-10-19
整本机器学习实战书籍代码-py3版本\AdaBoost\sklearn_adaboost.py, 1448 , 2017-10-16
整本机器学习实战书籍代码-py3版本\AdaBoost\__init__.py, 0 , 2017-10-16
整本机器学习实战书籍代码-py3版本\Apriori\apriori.py, 4288 , 2017-12-02
整本机器学习实战书籍代码-py3版本\Apriori\bills20DataSet.txt, 38906 , 2011-08-08
整本机器学习实战书籍代码-py3版本\Apriori\lawAssnRules.txt, 137426 , 2011-08-08
整本机器学习实战书籍代码-py3版本\Apriori\meaning20.txt, 1806 , 2011-08-08
整本机器学习实战书籍代码-py3版本\Apriori\mushroom.dat, 570408 , 2011-07-13
整本机器学习实战书籍代码-py3版本\Apriori\recent100bills.txt, 5585 , 2011-04-06
整本机器学习实战书籍代码-py3版本\Apriori\recent20bills.txt, 1050 , 2011-04-07
整本机器学习实战书籍代码-py3版本\Apriori\__init__.py, 239 , 2017-12-02
整本机器学习实战书籍代码-py3版本\CART\bikeSpeedVsIq_test.txt, 4235 , 2011-02-15
整本机器学习实战书籍代码-py3版本\CART\bikeSpeedVsIq_train.txt, 4220 , 2011-02-15
整本机器学习实战书籍代码-py3版本\CART\ex0.txt, 5621 , 2011-02-08
整本机器学习实战书籍代码-py3版本\CART\ex00.txt, 3846 , 2011-02-08
整本机器学习实战书籍代码-py3版本\CART\ex2.txt, 4069 , 2011-02-09
整本机器学习实战书籍代码-py3版本\CART\ex2test.txt, 4064 , 2011-02-09
整本机器学习实战书籍代码-py3版本\CART\exp.txt, 3998 , 2011-02-09
整本机器学习实战书籍代码-py3版本\CART\exp2.txt, 3831 , 2011-02-10
整本机器学习实战书籍代码-py3版本\CART\expTest.txt, 4011 , 2011-02-14
整本机器学习实战书籍代码-py3版本\CART\regTrees.py, 9018 , 2017-12-02
整本机器学习实战书籍代码-py3版本\CART\sine.txt, 3879 , 2011-02-14
整本机器学习实战书籍代码-py3版本\CART\treeExplore.py, 2842 , 2017-12-02
整本机器学习实战书籍代码-py3版本\CART\__init__.py, 239 , 2017-12-02
整本机器学习实战书籍代码-py3版本\DecisionTree\AllElectronics.py, 1348 , 2017-09-29
整本机器学习实战书籍代码-py3版本\DecisionTree\classifierStorage.txt, 91 , 2017-09-29
整本机器学习实战书籍代码-py3版本\DecisionTree\Decision Tree.py, 14704 , 2017-10-22
整本机器学习实战书籍代码-py3版本\DecisionTree\lenses.txt, 795 , 2017-09-29
整本机器学习实战书籍代码-py3版本\DecisionTree\Sklearn-Decision Tree.py, 2194 , 2017-10-08
整本机器学习实战书籍代码-py3版本\DecisionTree\test.csv, 546 , 2017-04-26
整本机器学习实战书籍代码-py3版本\DecisionTree\test.dot, 1175 , 2017-09-29
整本机器学习实战书籍代码-py3版本\DecisionTree\__init__.py, 0 , 2017-09-28
整本机器学习实战书籍代码-py3版本\FPGrowth\fpGrowth.py, 6694 , 2017-12-05
整本机器学习实战书籍代码-py3版本\FPGrowth\kosarak.dat, 32029467 , 2011-12-28
整本机器学习实战书籍代码-py3版本\FPGrowth\__init__.py, 239 , 2017-12-05
整本机器学习实战书籍代码-py3版本\KMeans\kMeans.py, 7914 , 2017-12-02
整本机器学习实战书籍代码-py3版本\KMeans\places.txt, 4693 , 2011-03-18
整本机器学习实战书籍代码-py3版本\KMeans\Portland.png, 459112 , 2011-03-18
整本机器学习实战书籍代码-py3版本\KMeans\portlandClubs.txt, 3105 , 2011-03-17
整本机器学习实战书籍代码-py3版本\KMeans\testSet.txt, 1600 , 2011-03-15
整本机器学习实战书籍代码-py3版本\KMeans\testSet2.txt, 1194 , 2011-03-16
整本机器学习实战书籍代码-py3版本\KMeans\__init__.py, 239 , 2017-12-02
整本机器学习实战书籍代码-py3版本\KNN\datingTestSet.txt, 35725 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\kNN_test01.py, 2530 , 2017-10-21
整本机器学习实战书籍代码-py3版本\KNN\kNN_test02.py, 11475 , 2017-10-21
整本机器学习实战书籍代码-py3版本\KNN\kNN_test03.py, 4524 , 2017-10-08
整本机器学习实战书籍代码-py3版本\KNN\kNN_test04.py, 3149 , 2017-10-21
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_0.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_1.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_10.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_11.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_12.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_13.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_14.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_15.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_16.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_17.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_18.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_19.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_2.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_20.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_21.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_22.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_23.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_24.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_25.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_26.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_27.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_28.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_29.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_3.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_30.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_31.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_32.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_33.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_34.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_35.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_36.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_37.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_38.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_39.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_4.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_40.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_41.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_42.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_43.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_44.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_45.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_46.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_47.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_48.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_49.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_5.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_50.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_51.txt, 1088 , 2017-09-29
整本机器学习实战书籍代码-py3版本\KNN\testDigits\0_52.txt, 1088 , 2017-09-29

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 遥感图像处理
    matlab代码实现遥感图像处理,图像为栅格tif类型(transformation of remote sensing image based on MATLAB code The image is of raster TIF type)
    2019-06-17 20:29:31下载
    积分:1
  • 高斯羽烟模型pythonPlumes-master
    说明:  高斯羽烟模型python代码,模拟中质气体的连续泄漏扩散,瞬时源的是高斯烟团模型(Gaussion plume model in Python.)
    2020-09-21 10:07:51下载
    积分:1
  • matlabduomubiao
    说明:  nsga是用于多目标计算的源程序!非常的好用!(nsga is calculated for multi-objective source! Very easy to use!)
    2008-09-26 10:25:30下载
    积分:1
  • 汽车雷达目标回波仿真
    汽车雷达回波计算程序,能计算汽车雷达回波,实现算法级功能。(Computer Program for Radar Echo of Automobile)
    2020-06-21 04:40:01下载
    积分:1
  • foa-svr
    基于果蝇的算法优化支持向量回归的matlab程序,包括txt版本和matlab中m文件(Matlab algorithm based on fruit fly algorithm optimized support vector regression, including the txt version and Matlab m file)
    2017-08-07 21:44:51下载
    积分:1
  • ay152
    包含飞行器飞行中的姿态控制,如侧滑角,倾斜角,滚转角,俯仰角,进行波形数据分析,这是第二能量熵的matlab代码。( It comprises aircraft flight attitude control, such as slip angle, tilt angle, roll angle, pitch angle, Waveform data analysis, This is the second energy entropy matlab code.)
    2017-04-22 22:37:32下载
    积分:1
  • PFCwithaveragecurrentcontrol
    平均电流控制的PFC,模拟,复频域传函实现(Average current control PFC)
    2018-06-14 17:19:18下载
    积分:1
  • RELAX
    RELLAX算法,特征提取,目标识别,很好的资料!(RELLAX algorithm, feature extraction, object recognition, very good information!)
    2021-03-03 14:19:33下载
    积分:1
  • databricks-spark-reference-applications.pdf.tar
    摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据密度以及簇结构之间的关系, 我们的算法能够有效的并且有效率地实时调整簇。 群点的稀疏网格是合理的, 算法采用了密 而且, 我们用理论证明了移除那些属于离 从而提高了系统的时间和空间效率。 该技术能聚类高速的数据流 而不损失聚类质量。 实验结果表明我们的算法在聚类质量和效率是有独特的优势, 并且能够 发现任意形状的簇,以及能准确地识别实时数据流的演化行为(Abstract: Existing clustering algorithms such as CluStream are based on the k-means algorithm. These algorithms can not be found Meaningful clusters and can not handle outliers. To solve the above problems, this paper presents)
    2017-09-03 11:05:23下载
    积分:1
  • csma
    说明:  csma模型的仿真,可以参考 slotted CSMA simulation(CSMA model simulation, can refer to slotted CSMA simulation)
    2008-08-29 11:32:10下载
    积分:1
  • 696518资源总数
  • 105547会员总数
  • 4今日下载