书栈网 · BookStack 本次搜索耗时 0.020 秒,为您找到 175 个相关结果.
  • 波士頓房地產雲端評估(二)

    支持向量機回歸分析: Property value prediction (一)引入函式庫及內建波士頓房地產資料庫 (二)SVR 的使用 (三)使用joblib.dump 匯出預測器 (四)訓練以及分類 (五)使用score 計算準確率 (六)繪出預測結果與實際目標差異圖 (六)完整程式碼 支持向量機回歸分析: Property val...
  • 類神經網路 Neural_Networks

    [TOC] +<br> +MathJax.Hub.Queue([“Typeset”,MathJax.Hub]);<br> + Multi-layer Perceptron(多層感知器) http://scikit-learn.org/stable/modules/neural_networks_supervised.html Multi-layer...
  • 撰寫第一個 Ansible Role

    撰寫第一個 Ansible Role 使用 Docker 運行 Jenkins 什麼是 Ansible Role? 我的第一個 role 撰寫第一個 Ansible Role 在了解 playbook 的基本架構與運行方式後,我會在接下來的章節內介紹如何使用 Ansible 搭建起 Jenkins 的運行環境。透過實際的例子,相信讀者會對操作...
  • Ex 1: Decision Tree Regression

    決策樹/範例一: Decision Tree Regression 範例目的 (一)引入函式庫及建立隨機數據資料 引入函式資料庫 特徵資料 目標資料 (二)建立Decision Tree迴歸模型 建立模型 模型訓練 預測結果 (三) 繪出預測結果與實際目標圖 (四)完整程式碼 決策樹/範例一: Decision Tree Reg...
  • Ex 2: Concatenating multiple feature extraction methods

    通用範例/範例二: Concatenating multiple feature extraction methods (一)資料匯入及描述 (二)PCA與SelectKBest (三)FeatureUnionc (四)找到最佳的結果 通用範例/範例二: Concatenating multiple feature extraction me...
  • 1. 什麼是 PostgreSQL?

    1. 什麼是 PostgreSQL? 1. 什麼是 PostgreSQL? PostgreSQL 是美國加州伯克萊大學資訊科學系基於 POSTGRES 4.2 所研發的物件關聯式資料庫管理系統(ORDBMS, Object-Relational Database Management System)。POSTGRES 中的許多重要概念成為日後一些商...
  • Ex 2: Recursive Feature Elimination

    特徵選擇/範例二: Recursive feature elimination (一)產生內建的數字辨識資料 (二)以疊代方式計算模型 (三)畫出每個像素所對應的權重順序 (四)原始碼 特徵選擇/範例二: Recursive feature elimination http://scikit-learn.org/stable/auto_exa...
  • 簡介

    1031 2018-05-12 《HASKELL 趣學指南》
    HASKELL 趣學指南 簡介 Top 貢獻者 社群 貢獻 HASKELL 趣學指南 簡介 LEARN YOU A HASKELL FOR GREAT GOOD 中文版 Top 貢獻者 Fleuria letoh jiyinyiyong douglarek 社群 functional thursaday haskell....
  • HASKELL 趣学指南

    1720 2018-05-12 《HASKELL 趣学指南》
    HASKELL 趣學指南 簡介 Top 貢獻者 社群 貢獻 HASKELL 趣學指南 簡介 LEARN YOU A HASKELL FOR GREAT GOOD 中文版 Top 貢獻者 Fleuria letoh jiyinyiyong douglarek 社群 functional thursaday haskell....
  • Ex 6: Univariate Feature Selection

    特徵選擇/範例六: Univariate Feature Selection (一)修改原本的鳶尾花資料 (二)使用f-value作為判斷的基準來找主要影響力特徵 (三)找出不計算單變量特徵的分類權重 (四)找出以單變量特徵選出的分類權重 (五)原始碼出處 特徵選擇/範例六: Univariate Feature Selection htt...