机器

数据挖掘实用机器学习技术(中文第二版)_数据库教程

资源名称:数据挖掘实用机器学习技术 中文第二版 内容简介: 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括:各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用,所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法,并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面,有助于理解模型,是一个实用并且深受欢迎的工具。 资源截图:

解析Java虚拟机器开发:权衡优化、高校和安全的最优方案 PDF

资源名称:解析 虚拟机器开发:权衡优化、高校和安全的最优方案 解析 虚拟机开发--权衡优化高效和安全的最优方案细致分析了 虚拟机开发的基本知识,为读者权衡出优化、高效和安全的最优方案。本书内容新颖、知识全面、讲解详细,全书分为 章,第 章讲解一起走进 世界的基本知识;第 章讲解 编译测试的基础知识;第 章讲解安全性考虑的核心知识;第 章讲解通过网络实现移动性的知识;第 章浅谈 虚拟机内部机制的基础知识;第 章深入分析 文件的核心知识;第 章详细讲解栈和局部变量操作的知识;第 章深入详解内存异常和垃圾处理的

Python机器学习 完整pdf_Python教程

资源名称: 机器学习 完整 第 章 赋予计算机学习数据的能力 构建智能机器将数据转化为知识 机器学习的三种不同方法 通过监督学习对未来事件进行预测 通过强化学习解决交互式问题 通过无监督学习发现数据本身潜在的结构 基本术语及符号介绍 构建机器学习系统的蓝图 数据预处理 选择预测模型类型并进行训练 模型验证与使用未知数据进行预测 在机器学习中的应用 本章小结 第 章 机器学习分类算法 人造神经元 早期机器学习概览 使用 实现感知器学习算法 自适应线性神经元及其学习的收敛性 通过梯度下降最小化代价函数 使用

NLTK基础教程 用NLTK和Python库构建机器学习应用 完整pdf_Python教程

资源名称: 基础教程 用 和 库构建机器学习应用 完整 第 章自然语言处理简介 为什么要学习 先从 开始吧 列表 自助功能 正则表达式 字典 编写函数 向 迈进 练习 小结 第 章文本的歧义及其清理 何谓文本歧义 文本清理 语句分离器 标识化处理 词干提取 词形还原 停用词移除 罕见词移除 拼写纠错 练习 小结 第 章词性标注 何谓词性标注 标注器 深入了解标注器 顺序性标注器 标注器 基于机器学习的标注器 命名实体识别( ) 练习 小结 第 章文本结构解析 浅解析与深解析 两种解析方法 为什么需要进行解

1993猫力币带机器/运营版/Gateio/区块链/数字货币交易

源码描述: 端: 域名 端: 域名 后台: 域名 管理员用户名: 密码: ( )用户可以自己注册登录体验。交易机器人对运行服务器配置要求较高, ( )观看 的效果可以使用 浏览器手机访问模式或者使用谷歌浏览器 模式查看手机端地址即可。 ( )安装包内附带批量替换软件可以将默认的锚定币( 、 )批量替换成其他锚定币,注意区分大小写。锚定币价格设定在后台 财务 管理 配置(充值单价比例和提现单价比例)。 功能简要说明: 带 、 端;均有高端 线和委托档位, 端一键封装(不是原生 代码编译版本, 分发软件打包)

Spark MLlib机器学习实践(第2版)

资源名称: 机器学习实践(第 版) 内容简介: 作为新兴的、应用范围 为广泛的大数据处理开源框架引起了广泛的关注,它吸引了大量程序设计和开发人员进行相关内容的学习与开发,其中 是 框架使用的核心。本书是一本细致介绍 程序设计的图书,入门简单,示例丰富。 本书分为 章,从 基础安装和配置开始,依次介绍 程序设计基础、 的数据对象构建、 中 使用介绍,各种分类、聚类、回归等数据处理方法, 后还通过一个完整的实例,回顾了前面的学习内容,并通过代码实现了一个完整的分析过程。 本书理论内容由浅而深,采取实例和理论相

Spark MLlib机器学习:算法、源码及实战详解

资源名称: 机器学习 算法、源码及实战详解 内容简介: 《 机器学习:算法、源码及实战详解》以 版本源码为切入点,全面并且深入地解析 模块,着力于探索分布式机器学习的底层实现。 《 机器学习:算法、源码及实战详解》中本着循序渐进的原则,首先解析 的底层实现基础:数据操作及矩阵向量计算操作,该部分是 实现的基础;接着对各个机器学习算法的理论知识进行讲解,并且解析机器学习算法如何在 中实现分布式计算;然后对 源码进行详细的讲解;最后进行 实例的讲解。相信通过《 机器学习:算法、源码及实战详解》的学习,读者可全

Python机器学习实践指南_Python教程

资源名称: 机器学习实践指南 内容简介: 机器学习是近年来渐趋热门的一个领域,同时 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和 语言两个热门的领域,通过利用两种核心的机器学习算法来将 语言在数据分析方面的优势发挥到极致。 全书共有 章。第 章讲解了 机器学习的生态系统,剩余 章介绍了众多与机器学习相关的算法,包括各类分类算法、数据可视化技术、推荐引擎等,主要包括机器学习在公寓、机票、 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合 程序

Python机器学习算法 赵志勇 中文pdf_Python教程

资源名称: 机器学习算法 赵志勇 中文 第一部分分类算法 支持向量机 随机森林 神经网络 第二部分回归算法 线性回归 岭回归和 回归 树回归 第三部分聚类算法 第四部分推荐算法 协同过滤算法 基于矩阵分解的推荐算法 基于图的推荐算法 文献 第五部分深度学习 卷积神经网络 第六部分项目实践 微博精准推荐 资源截图: