本課程提供了一個(gè)廣泛的介紹機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、統(tǒng)計(jì)模式識(shí)別的課程。主題包括： （一）監(jiān)督學(xué)習(xí)（參數(shù)/ 非參數(shù)算法，支持向量機(jī)，核函數(shù)，神經(jīng)網(wǎng)絡(luò)）。（二）無監(jiān)督學(xué)習(xí) （聚類，降維，推薦系統(tǒng)，深入學(xué)習(xí)推薦）。（三）在機(jī)器學(xué)習(xí)的最佳實(shí)踐（偏差/ 方差理 論；在機(jī)器學(xué)習(xí)和人工智能創(chuàng)新過程）。本課程還將使用大量的案例研究，您還將學(xué)習(xí)如何 運(yùn)用學(xué)習(xí)算法構(gòu)建智能機(jī)器人（感知，控制），文本的理解（W eb 搜 索，反垃圾郵件），計(jì) 算機(jī)視覺，醫(yī)療信息，音頻，數(shù)據(jù)挖掘，和其他領(lǐng)域。 本課程需要 1 0 周 共 1 8 節(jié) 課，
標(biāo)簽： 斯坦福 大學(xué) 機(jī)器學(xué)習(xí) 講義
上傳時(shí)間： 2017-07-28
上傳用戶：xiaoyuerer
用于matlab支持向量機(jī),工具箱安裝教程網(wǎng)上有，需要本機(jī)已經(jīng)安裝編譯器（vc++ 6.0或VS等）
標(biāo)簽： matlab libsvm 3.1 工具箱
上傳時(shí)間： 2017-07-29
上傳用戶：qilee
改進(jìn)粒子群優(yōu)化支持向量機(jī)，適用于分類問題。
上傳時(shí)間： 2018-01-11
上傳用戶：shuihanhan
包含5個(gè)實(shí)驗(yàn)項(xiàng)目論文，包含BP神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，感知器
標(biāo)簽： 模式識(shí)別 實(shí)驗(yàn)報(bào)告
上傳時(shí)間： 2018-10-02
上傳用戶：freedom1900
運(yùn)用支持向量機(jī)結(jié)合分形幾何學(xué)方法獲取股市循環(huán)周期的方法，親測有效，可以定義波段高低點(diǎn)
上傳時(shí)間： 2020-03-07
上傳用戶：晨陽沐土
《統(tǒng)計(jì)學(xué)習(xí)方法》李航第二版，機(jī)器學(xué)習(xí)，人工智能必備基礎(chǔ)書籍 內(nèi)容簡介：統(tǒng)計(jì)學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法，是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門重要學(xué)科。本書分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法。包括感知機(jī)、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機(jī)、提升方法、EM算法、隱馬爾可夫模型和條件隨機(jī)場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和PageRank 算法等。本書是統(tǒng)計(jì)機(jī)器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書，適用于高等院校文本數(shù)據(jù)挖掘、信息檢索及自然語言處理等專業(yè)的大學(xué)生、研究生，也可供計(jì)算機(jī)應(yīng)用等專業(yè)的研發(fā)人員參考。
標(biāo)簽： 統(tǒng)計(jì)學(xué)習(xí)方法 機(jī)器學(xué)習(xí)
上傳時(shí)間： 2021-09-01
上傳用戶：wenxiuyu
數(shù)學(xué)建模32種常規(guī)方法1..第一章 線性規(guī)劃.pdf10.第十章 數(shù)據(jù)的統(tǒng)計(jì)描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回歸分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 穩(wěn)定狀態(tài)模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 馬氏鏈模型.pdf18.第十八章 變分法模型.pdf19.第十九章 神經(jīng)網(wǎng)絡(luò)模型.pdf2.第二章 整數(shù)規(guī)劃.pdf20.第二十章 偏微分方程的數(shù)值解.pdf21.第二十一章 目標(biāo)規(guī)劃.pdf22.第二十二章 模糊數(shù)學(xué)模型.pdf23.第二十三章 現(xiàn)代優(yōu)化算法.pdf24.第二十四章 時(shí)間序列模型.pdf25.第二十五章 存貯論.pdf26.第二十六章 經(jīng)濟(jì)與金融中的優(yōu)化問題.pdf27.第二十七章 生產(chǎn)與服務(wù)運(yùn)作管理中的優(yōu)化問題.pdf28.第二十八章 灰色系統(tǒng)理論及其應(yīng)用.pdf29.第二十九章 多元分析.pdf3.第三章 非線性規(guī)劃.pdf30.第三十章 偏最小二乘回歸.pdf31、支持向量機(jī)(數(shù)學(xué)建模).pdf32、作業(yè)計(jì)劃(數(shù)學(xué)建模).pdf4.第四章 動(dòng)態(tài)規(guī)劃.pdf5.第五章 圖與網(wǎng)絡(luò).pdf6.第六章 排隊(duì)論.pdf7.第七章 對(duì)策論.pdf8.第八章 層次分析法.pdf9.第九章 插值與擬合.pdf前言.pdf灰色預(yù)測公式的理論缺陷及改進(jìn).pdf
標(biāo)簽： 數(shù)學(xué)建模
上傳時(shí)間： 2021-10-20
上傳用戶：kingwide
介紹了數(shù)據(jù)科學(xué)領(lǐng)域常用的所有重要機(jī)器學(xué)習(xí)算法以及TensorFlow和特征工程等相關(guān)內(nèi)容。涵蓋的算法包括線性回歸、邏輯回歸、支持向量機(jī)、樸素貝葉斯、K均值、隨機(jī)森林等，這些算法可以用于監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)或半監(jiān)督學(xué)習(xí)。本書在簡明扼要地闡明基本原理的基礎(chǔ)上，側(cè)重于介紹如何在Python環(huán)境下使用機(jī)器學(xué)習(xí)方法庫，并通過大量實(shí)例清晰形象的展示了不同場景下機(jī)器學(xué)習(xí)方法的應(yīng)用。
標(biāo)簽： 機(jī)器學(xué)習(xí) 算法 middot
上傳時(shí)間： 2021-10-21
上傳用戶：d1997wayne
30個(gè)數(shù)學(xué)建模智能算法及MATLAB程序代碼:chapter10基于粒子群算法的多目標(biāo)搜索算法.rarchapter11基于多層編碼遺傳算法的車間調(diào)度算法.rarchapter12免疫優(yōu)化算法在物流配送中心選址中的應(yīng)用 .rarchapter13粒子群優(yōu)化算法的尋優(yōu)算法.rarchapter14基于粒子群算法的PID控制器優(yōu)化設(shè)計(jì).rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于動(dòng)態(tài)粒子群算法的動(dòng)態(tài)環(huán)境尋優(yōu)算法.rarchapter17基于PSO工具箱的函數(shù)優(yōu)化算法.rarchapter18魚群算法函數(shù)尋優(yōu).rarchapter19基于模擬退火算法的TSP算法.rarchapter1遺傳算法工具箱.rarchapter20基于遺傳模擬退火算法的聚類算法.rarchapter21模擬退火算法工具箱及應(yīng)用.rarchapter22蟻群算法的優(yōu)化計(jì)算——旅行商問題(TSP)優(yōu)化 .rarchapter23基于蟻群算法的二維路徑規(guī)劃算法.rarchapter24 基于蟻群算法的三維路徑規(guī)劃算法.rarchapter25有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的回歸擬合——基于近紅外光譜的汽油辛烷值預(yù)測.rarchapter26.rarchapter27無導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類——礦井突水水源判別.rarchapter28支持向量機(jī)的分類——基于乳腺組織電阻抗特性的乳腺癌診斷 .rarchapter29支持向量機(jī)的回歸擬合——混凝土抗壓強(qiáng)度預(yù)測.rarchapter2基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法 .rarchapter30極限學(xué)習(xí)機(jī)的回歸擬合及分類.rarchapter3基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 .rarchapter4sa_tsp.rarchapter5基于遺傳算法的LQR控制器優(yōu)化設(shè)計(jì).rarchapter6遺傳算法工具箱詳解及應(yīng)用 .rarchapter7多種群遺傳算法的函數(shù)優(yōu)化算法.rarchapter8基于量子遺傳算法的函數(shù)尋優(yōu)算法 .rarchapter9基于遺傳算法的多目標(biāo)優(yōu)化算法.rar
標(biāo)簽： 數(shù)學(xué)建模 matlab
上傳時(shí)間： 2021-11-28
上傳用戶：
統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ):數(shù)據(jù)挖掘、推理與預(yù)測介紹了這些領(lǐng)域的一些重要概念。盡管應(yīng)用的是統(tǒng)計(jì)學(xué)方法，但強(qiáng)調(diào)的是概念，而不是數(shù)學(xué)。許多例子附以彩圖?！督y(tǒng)計(jì)學(xué)習(xí)基礎(chǔ):數(shù)據(jù)挖掘、推理與預(yù)測》內(nèi)容廣泛，從有指導(dǎo)的學(xué)習(xí)（預(yù)測）到無指導(dǎo)的學(xué)習(xí)，應(yīng)有盡有。包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、分類樹和提升等主題，是同類書籍中介紹得最全面的。計(jì)算和信息技術(shù)的飛速發(fā)展帶來了醫(yī)學(xué)、生物學(xué)、財(cái)經(jīng)和營銷等諸多領(lǐng)域的海量數(shù)據(jù)。理解這些數(shù)據(jù)是一種挑戰(zhàn)，這導(dǎo)致了統(tǒng)計(jì)學(xué)領(lǐng)域新工具的發(fā)展，并延伸到諸如數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和生物信息學(xué)等新領(lǐng)域。許多工具都具有共同的基礎(chǔ)，但常常用不同的術(shù)語來表達(dá)?！緝?nèi)容推薦】《統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ):數(shù)據(jù)挖掘、推理與預(yù)測》試圖將學(xué)習(xí)領(lǐng)域中許多重要的新思想?yún)R集在一起，并且在統(tǒng)計(jì)學(xué)的框架下解釋它們。隨著計(jì)算機(jī)和信息時(shí)代的到來，統(tǒng)計(jì)問題的規(guī)模和復(fù)雜性都有了急劇增加。數(shù)據(jù)存儲(chǔ)、組織和檢索領(lǐng)域的挑戰(zhàn)導(dǎo)致一個(gè)新領(lǐng)域“數(shù)據(jù)挖掘”的產(chǎn)生。數(shù)據(jù)挖掘是一個(gè)多學(xué)科交叉領(lǐng)域，涉及數(shù)據(jù)庫技術(shù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、知識(shí)庫、信息提取、高性能計(jì)算等諸多領(lǐng)域，并在工業(yè)、商務(wù)、財(cái)經(jīng)、通信、醫(yī)療衛(wèi)生、生物工程、科學(xué)等眾多行業(yè)得到了廣泛的應(yīng)用?！咀髡吆喗椤縏revor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大學(xué)統(tǒng)計(jì)學(xué)教授，并在這個(gè)領(lǐng)域做出了杰出的貢獻(xiàn)。Hastie和Tibshirani提出了廣義和加法模型，并出版專著“Generalized Additive Models”。Hastie的主要研究領(lǐng)域?yàn)椋悍菂?shù)回歸和分類、統(tǒng)計(jì)計(jì)算以及生物信息學(xué)、醫(yī)學(xué)和工業(yè)的特殊數(shù)據(jù)挖掘問題。他提出主曲線和主曲面的概念，并用S-PLUS編寫了大量統(tǒng)計(jì)建模軟件。Tibshirani的主要研究領(lǐng)域?yàn)椋簯?yīng)用統(tǒng)計(jì)學(xué)、生物統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)。他提出了套索的概念，還是“An Introduction to the Bootstrap”一書的作者之一。Friedman是CART、MARS和投影尋蹤等數(shù)據(jù)挖掘工具的發(fā)明人之一。他不僅是位統(tǒng)計(jì)學(xué)家，而且是物理學(xué)家和計(jì)算機(jī)科學(xué)家，先后在物理學(xué)、計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)的一流雜志上表發(fā)論文80余篇。
標(biāo)簽： 統(tǒng)計(jì)
上傳時(shí)間： 2022-05-04
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
