书栈网 · BookStack 本次搜索耗时 0.055 秒,为您找到 1516 个相关结果.
  • 二分K均值聚类训练(batch)

    功能介绍 参数说明 训练 脚本示例 脚本代码 脚本运行结果 模型结果 预测结果 功能介绍 二分k均值算法是k-means聚类算法的一个变体,主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题. Alink上算法括[二分K均值聚类训练],[二分K均值聚类预测], [二分K均值聚类流式预测] 参数说明...
  • 3-2 Mid-level API: Demonstration

    3-2 Mid-level API: Demonstration 1. Linear Regression Model 2. DNN Binary Classification Model 3-2 Mid-level API: Demonstration The examples below use mid-level APIs in Tenso...
  • Why ProPlot?

    Why ProPlot? Less typing, more plotting Class constructor functions Automatic dimensions and spacing Eliminating redundancies Outer colorbars and legends Enhanced plotting met...
  • Python API 参考

    2557 2019-05-25 《XGBoost 中文文档》
    Python API 参考 核心的数据结构 学习的 API Scikit-Learn 的 API 绘图的 API Python API 参考 该页面提供了有关 xgboost 的 Python API 参考, 请参阅 Python 软件包介绍以了解更多关于 python 软件包的信息. 该页面中的文档是由 sphinx 自动生成的. 其中的...
  • 5. HTML 表格

    5. HTML 表格 5. HTML 表格 read_html 可以将HTML 中的<table></table> 解析为一个DataFrame 列表。 pandas . read_html ( io , match = '.+' , flavor = None , header = None , index_col = None ,...
  • DecisionTreeClassifier

    Description Parameters Script Example Code Result Description The random forest use the bagging to prevent the overfitting. In the operator, we implement three type of de...
  • 支持向量机训练(batch)

    支持向量机算法 功能介绍 参数说明 脚本示例 运行脚本 运行结果 备注 支持向量机算法 功能介绍 支持向量机是一个二分类算法 支持向量机组件支持稀疏、稠密两种数据格式 支持带样本权重的训练 参数说明 名称 中文名称 描述 类型 是否必须? 默认值 C 惩罚项系数 支持向量机算法参数 Doub...
  • Intro to the Python Table API

    Intro to the Python Table API Common Structure of Python Table API Program Create a TableEnvironment Create Tables Create using a List Object Create using a Connector Create us...
  • seaborn.regplot

    seaborn.regplot seaborn.regplot 译者:P3n9W31 seaborn . regplot ( x , y , data = None , x_estimator = None , x_bins = None , x_ci = 'ci' , scatter = True , fit_reg = T...
  • Day69 - 数据可视化

    数据可视化 Matplotlib的应用 安装和导入 绘图的流程 绘制的例子 解决中文显示问题 定制图表效果 图形的种类和意义 显示多个坐标系 Seaborn的应用 数据可视化 数据可视化简单的说就是将数据呈现为漂亮的统计图表,然后进一步发现数据中包含的规律以及隐藏的信息。之前的课程,我们已经为大家展示了Python在数据处理方面的优势...