ML,Feature,

本专辑为您列举一些ML,Feature,方面的下载的内容,ML,Feature,等资源。把最新最全的ML,Feature,推荐给您,让您轻松找到相关应用信息,并提供ML,Feature,下载等功能。本站致力于为用户提供更好的下载体验，如未能找到ML,Feature,相关内容，可进行网站注册，如有最新ML,Feature,相关资源信息会推送给您。

阅读全文

ML,Feature,

: ml-pro-repo - **特征重要性分析**：通过`feature_importances_`属性获取各个特征的重要性评分，进一步优化模型性能。 #### 五、性能评估 **评估指标**： - **精确率(Precision)**：衡量模型正确预测为正类的样本占所有预测为...
评级：0 浏览量：195 收藏量：0 资源大小：279KB 上传时间：2024-03-19

: Sparkml实战 import org.apache.spark.ml.feature.VectorAssembler import org.apache.spark.sql.{DataFrame, SparkSession} object LinearRegressionExample { def main(args: Array[String]): Unit = { val spark = ...
评级：0 浏览量：414 收藏量：0 资源大小：1.26MB 上传时间：2017-12-22

: Mastering-Feature-Engineering-Principles-Techniques.pdf 2. Basic Feature Engineering for Text Data: Flatten and Filter. . . . . . . . . . . . . . . . . . . . . . . 15 Turning Natural Text into Flat Vectors 15 Bag-of-words 16 Implementing bag-of-words: ...
评级：0 浏览量：188 收藏量：0 资源大小：3.63MB 上传时间：2020-05-26

: ml5-feature-extractor:ML5.js中的FeatureExtractor 安装git@github.com:yong-asial/ml5-feature-extractor.gitcd ml5-feature-extractornpm install预习cd ml5-feature-extractornpm run dev程序如何运作程序（DOM）已完全加载。它将加载核心模型（MobileNet）。 ...
评级：0 浏览量：126 收藏量：1 资源大小：5.25MB 上传时间：2021-04-13

: featuretools-0.13.3-py3-none-any.whl featuretools
评级：0 浏览量：105 收藏量：0 资源大小：231KB 上传时间：2020-12-18

: 【20211203】【中文】ML.NET documents.pdf 此外，可以利用模型生成器的特性，如 PFI（Permutation Feature Importance）来分析特征的重要性，从而优化模型。【模型部署】训练好的模型可以通过 ML.NET API 集成到 .NET 应用程序中，如 Web API 或 Azure ...
评级：0 浏览量：158 收藏量：0 资源大小：7.15MB 上传时间：2021-12-03

: php-ml 4. **特征选择（Feature Selection）**：特征选择是机器学习中的重要步骤，PHP-ML 提供了基于过滤法（如方差分析、卡方检验）和包裹法（如递归消除）的特征选择算法。 5. **预处理（Preprocessing）**：数据预处理...
评级：0 浏览量：85 收藏量：0 资源大小：517KB 上传时间：2021-02-12

: Feature Engineer for ML.pdf.zip You will start with understanding your data—often the success of your ML models depends on how you leverage different feature types, such as continuous, categorical, and more, You will learn when to ...
评级：0 浏览量：64 收藏量：0 资源大小：10.08MB 上传时间：2019-06-28

: Windows环境下SparkML程序简单示例 from pyspark.ml.feature import VectorAssembler ``` 然后，你需要准备训练数据。Spark MLlib支持多种数据格式，如LibSVM、CSV、JSON等。假设你有一个名为`data.csv`的CSV文件，包含特征和标签，你可以这样读取数据...
评级：0 浏览量：254 收藏量：0 资源大小：269KB 上传时间：2018-12-14

: Spark ml pipline交叉验证之KMeans聚类.docx import org.apache.spark.ml.feature.VectorAssembler import org.apache.spark.ml.Pipeline import org.apache.spark.ml.tuning.ParamGridBuilder import org.apache.spark.ml.tuning.CrossValidator import org....
评级：0 浏览量：459 收藏量：0 资源大小：20KB 上传时间：2019-09-03

: ISAR单特显点法相位补偿.rar_Isar feature_sheet4ml_特显_相位补偿_运动补偿 isar 单特点法相位补偿，可以对相位进行运动补偿
评级：5 浏览量：97 收藏量：0 资源大小：3KB 上传时间：2022-07-14

: Boxenplot-ml 在机器学习（ML）领域，这种图表可以帮助数据科学家快速理解数据的分布情况，识别异常值，并进行比较。本文将深入探讨Boxenplot在数据分析中的应用，以及如何在Jupyter Notebook环境中利用Python库如seaborn和pandas...
评级：0 浏览量：39 收藏量：0 资源大小：11KB 上传时间：2021-02-13

: ml-trees 4. **特征选择与重要性（Feature Selection and Importance）**：树模型能够自然地评估特征的重要性，这对于理解模型工作原理和数据驱动的特征工程非常重要。在Jupyter Notebook中，可能会展示如何计算和可视化特征...
评级：0 浏览量：68 收藏量：0 资源大小：164KB 上传时间：2021-03-08

: WeatherMe-ML - `feature_extraction.py` - 负责从原始数据中提取有意义的特征。 3. `models/` - 不同机器学习模型的实现和存储。 - `linear_regression.py` - 线性回归模型的代码。 - `random_forest.py` - 随机森林模型的...
评级：0 浏览量：26 收藏量：0 资源大小：11.34MB 上传时间：2021-02-13

: 基于优化特征提取和机器学习的人脸识别-Face Recognition Using Optimized Feature Extraction and ML 一种结合HDG-HOG特征的鲁棒人脸识别方法 ... It combines HDG-HOG features with a Optimized Feature Vector (OFV), optimized using the Binary Grey Wolf Optimization (B-GWO) model. The methodology is valida
评级：0 浏览量：13 收藏量：0 资源大小：3.6MB 上传时间：2025-01-03

: AutoML之自动化特征工程随着AutoML（自动化机器学习）的发展，自动化特征工程成为解决这一问题的有效途径。特征工程自动化工具包通常包括一系列算法和方法，用于从原始数据中生成新的有意义的特征，以及选择最佳特征集。这里我们将介绍两...
评级：0 浏览量：356 收藏量：0 资源大小：672KB 上传时间：2021-01-27

: feature-store-demo 8. **集成与部署**：特征商店需要与其他工具（如数据仓库、数据湖、ML框架等）无缝集成。"feature-store-demo"可能展示了如何将特征商店集成到现有的数据基础设施中。 9. **性能优化**：在处理大量数据时，特征商店...
评级：0 浏览量：112 收藏量：0 资源大小：5KB 上传时间：2021-03-25

: php-ml机器学习库.zip use Phpml\FeatureExtraction\TfIdfTransformer; use Phpml\FeatureExtraction\TokenCountVectorizer; use Phpml\Pipeline; use Phpml\Preprocessing\Imputer; use ...
评级：0 浏览量：160 收藏量：0 资源大小：659KB 上传时间：2019-07-11

: woodwork:Woodwork为在Featuretools，EvalML和常规ML中使用现有的DataFrame提供了一个通用的输入命名空间。 Woodwork为在Featuretools，EvalML和常规ML中使用现有的DataFrame提供了一个通用的输入名称空间。 Woodwork DataFrame存储数据中存在的物理，逻辑和语义数据类型。此外，它可以存储有关数据的元数据，从而允许您...
评级：0 浏览量：163 收藏量：0 资源大小：247KB 上传时间：2021-04-14

: 简单的ml应用 `scikit-learn`的`feature_selection`模块提供了这些功能。模型训练阶段，我们可以尝试多种模型，如线性回归、逻辑回归、决策树、随机森林或支持向量机等。`scikit-learn`的`model_selection`模块提供了交叉验证、...
评级：0 浏览量：35 收藏量：0 资源大小：28KB 上传时间：2021-02-16

: ML_DecisionTree 可以使用`sklearn.feature_selection`模块进行特征重要性的评估，选择对目标变量影响最大的特征。 6. **构建决策树模型** 使用Scikit-Learn的`fit`方法训练决策树模型，输入是特征数据，输出是对应的类别或数值。...
评级：0 浏览量：100 收藏量：0 资源大小：3.03MB 上传时间：2021-04-04

: pb-to-mlmodel pb-to-mlmodel把pb模型转化为CoreML的mlmodel模型最近有需求需要把tensorflow训练的模型在iOS上使用，然后我在GitHub...model_path="./model_0.pb", mlmodel_path="./model.mlmodel", output_feature_names=['out:0'],
评级：0 浏览量：82 收藏量：1 资源大小：475KB 上传时间：2021-05-14

: featuretools：一个用于自动功能设计的开源python库 python -m pip install featuretools 或从所述conda锻通道： conda install -c conda-forge featuretools 附加组件您可以运行以下命令单独或全部安装加载项 python -m pip install featuretools[complete] 更新...
评级：0 浏览量：242 收藏量：0 资源大小：1MB 上传时间：2021-02-03

: Lab-Feature_extraction 实验室| 特征提取介绍在本实验中，提交了2个笔记本： Pandas-concat-merge-join.ipynb ，其中... main.ipnyb ，其中预处理两个Google数据集并为ML模型做准备。这两个数据集均包含描述Google Play商店中应用的变量。
评级：0 浏览量：72 收藏量：0 资源大小：1.99MB 上传时间：2021-04-16

: scikit-feature, 在 python ( DMML Lab@ASU ) 中，打开源代码功能选择库.zip scikit-feature, 在 python ( DMML Lab@ASU ) 中，打开源代码功能选择库 scikit特性python ( DMML Lab@ASU ) 中的功能选择库scikit特性。scikit特征是由亚利桑那州Arizona大学数据挖掘和机器学习实验室开发的开放...
评级：0 浏览量：271 收藏量：0 资源大小：83.89MB 上传时间：2019-09-18

: Feature Engineering for Machine Learning_Principl 10. **特征工程技术**：随着深度学习的发展，自动特征工程（AutoML）和特征学习（如自编码器、卷积神经网络的特征提取）成为新的趋势，它们减少了手动特征工程的负担。 "Feature Engineering for Machine Learning_...
评级：0 浏览量：138 收藏量：0 资源大小：4.75MB 上传时间：2018-05-03

: Feature-Engineering-Made-Easy:Packt发行的Feature Feature Made Easy 您将从了解数据开始-ML模型的成功通常取决于您如何利用不同的要素类型，例如连续，分类等，您将了解何时包括要素，何时省略要素以及原因，通过了解错误分析和模型的可接受性来完成所有工作。您将学习将问题陈述...
评级：0 浏览量：91 收藏量：0 资源大小：488.29MB 上传时间：2021-05-28

: 藏经阁-Feature Hashing for Scalable Machine Learning.pdf 本资源主要介绍了Feature Hashing技术在大规模机器学习中的应用，讨论了Feature Hashing的原理、优缺点、在Spark ML中的实现等方面的知识点。 Feature Hashing概述 Feature Hashing是一种将高维特征空间映射到低维...
评级：0 浏览量：35 收藏量：0 资源大小：1.17MB 上传时间：2023-08-30

: ml_pipeline_prototype **特征工程（Feature Engineering）** 是根据业务理解对原始数据进行转换，以创建新的、更有预测能力的特征。这可能包括计算统计特性、创建交互特征、时间序列分析等。在管道中，我们可以使用`FeatureUnion`来合并多...
评级：0 浏览量：52 收藏量：0 资源大小：95KB 上传时间：2021-03-27

: Sample-ML-POC Python的Feature Importance API在许多模型训练后可以提供特征的重要性排名。 3. **模型选择**：事件预测可能涉及多种类型的模型，如线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）、神经网络等。Scikit...
评级：0 浏览量：29 收藏量：0 资源大小：1.78MB 上传时间：2021-03-25

: slick-ml:SlickML SlickML是一个用Python编写的开源机器学习库，旨在加快ML应用程序的实验时间。数据科学家的任务通常是重复的，例如功能选择，模型调整或评估分类和回归问题的指标。 SlickML为Data Scientist提供了一个实用工具工具...
评级：0 浏览量：49 收藏量：0 资源大小：1.54MB 上传时间：2021-03-19

: fe4ml-zh：[翻译]面向机器学习的特征工程 docker run -tid -p <port>:80 apachecn0/fe4ml-zh # 访问 http://localhost:{port} 查看文档 PYPI pip install fe4ml-zh fe4ml-zh # 访问 http://localhost:{port} 查看文档 NPM npm install -g fe4ml-zh fe4ml-...
评级：0 浏览量：105 收藏量：0 资源大小：14.31MB 上传时间：2021-02-03

: 斯坦福ML公开课笔记111 FEATURE SELECTION 特征选择是机器学习算法中的一个重要步骤。特征选择的主要思想是通过选择有意义的特征来减少模型的维数。常见的特征选择方法有 filter 方法、wrapper 方法和 embedded 方法等。在文本分类问题...
评级：0 浏览量：106 收藏量：0 资源大小：540KB 上传时间：2022-08-03

: Feature-Extraction-Analysis:特征提取分析测试代码此外，Java ML（Java Machine Learning）库和Weka也是不错的选择。这些库通常包含用于特征选择、降维、编码和标准化等功能的类和方法。项目"Feature-Extraction-Analysis-master"可能包含以下组件： 1. **源代码...
评级：0 浏览量：80 收藏量：0 资源大小：3.98MB 上传时间：2021-06-25

: OptGBM：Optuna + LightGBM = OptGBM OptGBM OptGBM（= + ）提供了一种scikit-learn兼容的估算器，可通过Optuna调整LightGBM中的超参数。... bagging_fraction bagging_freq feature_fractrion lambda_l1 lambda_l2 max_depth min_data_in_leaf
评级：0 浏览量：1423 收藏量：4 资源大小：20KB 上传时间：2021-02-15

: ML-SS2015-InstrumentClassification - 特征提取（Feature Extraction） - 数据预处理（Data Preprocessing） - 深度学习（Deep Learning）【压缩包子文件的文件名称列表】"ML-SS2015-InstrumentClassification-master"表明这个压缩包可能包含了项目的...
评级：0 浏览量：40 收藏量：0 资源大小：375KB 上传时间：2021-07-18

: Four-card-feature-section CSS（Cascading Style Sheets）是用于描述HTML或XML（包括SVG、MathML等各种XML方言）文档样式的样式表语言。它允许我们将样式与内容分离，使得页面设计更加灵活和可维护。在四卡功能部分的设计中，CSS将起到决定性...
评级：0 浏览量：36 收藏量：0 资源大小：9KB 上传时间：2021-04-04

: PhoneME feature VM编译 ### PhoneME Feature VM 编译指南 #### 一、简介 PhoneME Feature VM 是 Java ME 平台上 CLDC (Connected Limited Device Configuration) 的 HotSpot 实现。它为资源受限的设备提供了一个完整的 Java 运行环境。本...
评级：3 浏览量：148 收藏量：0 资源大小：33KB 上传时间：2009-04-24

: ML_Titanic_CS8635 3. 特征工程文件：可能有 "feature_engineering.ipynb"，在这个Jupyter Notebook中，学生会创建新的特征或修改现有特征，以提高模型的预测能力。 4. 模型训练和评估：可能有一个或多个 "model_training.ipynb"，...
评级：0 浏览量：61 收藏量：0 资源大小：42KB 上传时间：2021-03-10

: 3.4.6 opencv版本的contrib库.rar 2. **Feature Detection and Description**：贡献模块可能包含额外的特征检测器，如SIFT（尺度不变特征变换）、SURF（加速稳健特征）和其他一些高级特征描述符，这些对于图像匹配和物体识别非常有用。 3. **Object ...
评级：0 浏览量：179 收藏量：0 资源大小：54.16MB 上传时间：2019-07-28

: Some Notes about Support Vector Machine 2. 数据预处理：对数据进行预处理，包括数据 normalization 和feature scaling。 3. 模型训练：使用SVM算法对训练数据集进行训练，生成模型。 4. 模型评估：使用测试数据集对模型进行评估，计算accuracy、precision...
评级：0 浏览量：60 收藏量：0 资源大小：593KB 上传时间：2023-10-06

: ml-library:Python中的ML库 10. **Featuretools**：这是一个自动特征工程库，能够根据时间序列和实体关系生成衍生特征，简化了特征工程的繁琐过程。在Jupyter Notebook中，这些库可以通过交互式的方式使用，让数据科学家能够迅速测试假设、...
评级：0 浏览量：118 收藏量：0 资源大小：222KB 上传时间：2021-03-11

: awesome-automl-papers:自动化机器学习论文，文章，教程，幻灯片和项目的精选清单很棒的AutoML纸Awesome-AutoML-Papers是自动化机器学习论文，文章，教程，幻灯片和项目的精选列表。对该存储库加注星标，然后您就可以了解这个蓬勃发展的研究领域的最新动态。感谢所有为此项目做出贡献的人们。 ...
评级：0 浏览量：131 收藏量：0 资源大小：16.83MB 上传时间：2021-04-13

: Introduction to Machine Learning_3rd Edition.pdf 在维度缩减方面，作者详细讲解了多种技术，包括子集选择（Subset Selection）、主成分分析（Principal Component Analysis, PCA）、特征嵌入（Feature Embedding）、因子分析（Factor Analysis）、奇异值分解和矩阵...
评级：0 浏览量：99 收藏量：0 资源大小：46.37MB 上传时间：2019-05-20

: tabular_automl_NNI:PAKDD AutoML挑战第二功能工程部分用于表格数据的AutoML，包括自动特征生成，功能选择以及对各种表格数据原语（例如数字，类别，多类别，时间戳等）的超调。快速开始在此示例中，我们将展示如何在nni上进行自动要素工程。我们将自动要素工程（auto-...
评级：0 浏览量：130 收藏量：0 资源大小：203KB 上传时间：2021-05-24

: jpmml-sparkml:Java库和命令行应用程序，用于将Apache Spark ML管道转换为PMML JPMML-SparkML Java库和命令行应用程序，用于将Apache Spark ML管道转换为PMML。目录特征支持的管道阶段类型：特征提取器，变压器和选择器： feature.Bucketizer feature.ChiSqSelectorModel （拟合feature....
评级：0 浏览量：155 收藏量：0 资源大小：997KB 上传时间：2021-05-03

: PHPML一个机器学习的PHP库 use Phpml\FeatureExtraction\StopWordsRemoval; // 加载数据集 $dataset = new CsvDataset('dataset.csv', 1, true); // 特征预处理，移除停用词 $stopWordsRemover = new StopWordsRemoval(); $dataset->samples...
评级：0 浏览量：85 收藏量：0 资源大小：495KB 上传时间：2019-08-07

: ml-invest:个人冷静项目投资用于投资任务的机器学习工具。这些工具的目的是获得有关在证券交易所交易的公司的更深入的分析。流水线所有投资工具均表示为管线，包括特征和目标计算，模型训练和验证...feature = FeatureMerger ( fc1 , fc2
评级：0 浏览量：57 收藏量：0 资源大小：325KB 上传时间：2021-04-02

: 邻近度和聚类在数据挖掘中，我们还需要考虑数据的dimensionality reduction、feature selection、数据预处理等问题。此外，在数据挖掘中，我们需要使用数据可视化技术来可视化数据挖掘结果，从而更好地理解数据的特征和关系。 ...
评级：0 浏览量：208 收藏量：0 资源大小：3.16MB 上传时间：2018-08-01

: Feature Engineering for Machine Learning_Principles and Techniques "Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists" 这本书详细探讨了如何有效地进行特征工程，帮助数据科学家优化他们的工作流程。特征工程的核心是将原始数据转化为对...
评级：0 浏览量：134 收藏量：1 资源大小：6.16MB 上传时间：2018-10-22

资源推荐

相关资源标签

PhoneME feature CLDC HOTSPOT Sparkml 特征工程人工智能数据竞赛数据挖掘机器学习特种工程 sparkML PHP开发-其它杂项 Spark pipline ML,Feature, data python data-science machine-learning scikit-learn feature-engineering automl Machinelearning book JupyterNotebook hyperparameter-optimization neural-architecture-search JavaScript typing featuretools Java ML.NET 相位补偿运动补偿阿里云 AI matlab