-
sam
逻辑回归，随机森林，xgboost案例,了解三种模型的基本用法(sample for lr,rfm,xgboost)
- 2018-06-04 23:46:12下载
- 积分：1
-
douban_done
豆瓣图书爬虫，能够将豆瓣图书的所有书籍的详细信息爬取下来(Douban book crawler, to the watercress book all the books of the details of the crawl down)
- 2017-04-11 10:12:05下载
- 积分：1
-
plotCurve2
在PYTHON中实现基本的绘图功能以及添加文字说明 其中用到numpy库(Drawing function)
- 2017-09-16 21:42:15下载
- 积分：1
-
python 监督分类
对光学遥感影像进行分类，对特征进行标记，使用SVM、随机森林进行分类预测精度
- 2021-05-06下载
- 积分：1
-
卷积神经网络用于两幅遥感图像或者红外和可见光图像的融合 CNN-Fusion
说明： 卷积神经网络用于两幅遥感图像或者红外和可见光图像的融合(For fusion of two remote sensing images or infrared and visible images)
- 2020-08-27 09:58:13下载
- 积分：1
-
PiCAN-Python-examples
树莓派SPI转CAN，利用MCP2515模块，进行CAN通讯，分开两个.py代码：TX（发送）和RX（接收）的，具体的GPIO口要在代码里自行修改为实际的PI通讯引脚。(Raspberry Pi SPI to CAN, using MCP2515 module, for CAN communication, separate two .py codes: TX (send) and RX (receive), the specific GPIO port should be modified in the code to the actual PI communication pin.)
- 2020-06-17 23:00:02下载
- 积分：1
-
BNN-PYNQ-master
在PYNQ-Z1上搭建二值神经网络(BNN)(Building two value neural network (BNN) on PYNQ-Z1)
- 2018-01-15 11:34:33下载
- 积分：1
-
Knn识别手写数字
代码内注释特别详细，几乎每一句都有注释，特别适合初学者。利用的cnn算法，具体是Python代码，kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。
- 2022-09-14 23:45:03下载
- 积分：1
-
kddcup99-master
基于knn算法的入侵检测模型,利用python代码实现，包含了源代码，测试集，和训练集。(This is a python file)
- 2021-04-21 15:38:49下载
- 积分：1
-
Clustering
1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。
2) 使用C-Means算法对所有数据点进行聚类。C=3。
任务2（必做）：
使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。
任务3（全做）：
1) 参考数据文件第三列的类标签，使用聚类有效性评价的外部方法Normalized Mutual Information指标，分别计算任务1和任务2聚类结果的有效性。
2) 使用聚类有效性评价的内部方法Xie-Beni指标，分别计算任务1和任务2聚类结果的有效性。(The main results are as follows: 1) the condensed hierarchical clustering algorithm (that is, the minimum spanning tree algorithm) is used to cluster all the data points, and finally it is grouped into three categories. Any of the single linkage,complete linkage,average linkage or average group linkage methods can be selected for the definition of dissimilarity. 2) using C-Means algorithm to cluster all data points. C = 3.)
- 2019-05-16 21:54:22下载
- 积分：1
