ChileWang0228 / DeepLearningTutorialLinks
深度学习代码
☆132Updated 5 years ago
Alternatives and similar repositories for DeepLearningTutorial
Users that are interested in DeepLearningTutorial are comparing it to the libraries listed below
Sorting:
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆52Updated 7 years ago
- 集成学习Stacking方法详解☆75Updated 5 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆31Updated 8 years ago
- 网易云课堂——讲师:龙良曲☆38Updated 5 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- ☆194Updated 4 years ago
- ☆67Updated 4 years ago
- 包括决策树和随机森林进行离职人员预测,Xgboost和lightGBM的应用☆288Updated 5 years ago
- Python code of RBF neural network classification model☆46Updated 6 years ago
- 慕课网上深度学习之神经网络(CNN RNN GAN)算法原理+实 战练习的代码和部分数据☆40Updated 5 years ago
- 这个仓库主要包含了LSTM、卷积神经网络中,注意力机制的实现。☆132Updated 4 years ago
- 【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision…☆207Updated 5 years ago
- 《动手学深度学习》 PyTorch 版本☆175Updated 5 years ago
- 基于TensorFlow的深度学习、深度增强学习代码:NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆54Updated 7 years ago
- 2019科大讯飞工程机械赛题-亚军☆39Updated 5 years ago
- ☆418Updated 4 years ago
- 基于无监督学习,无需训练,先使用SIFT算法提取图像特征,再使用KMeans聚类算法进行图像分类,速度非常快,精度还在提高。☆133Updated 5 years ago
- 基 于PyTorch使用迁移学习完成项目☆59Updated 7 years ago
- 学习笔记代码☆103Updated 5 years ago
- AI学习过程中的实操代码☆206Updated 4 years ago
- bilibili:啥都会一点的研究生☆48Updated 5 years ago
- 该工程基于Python3.6,tensorflow1.6。主要是对tensorflow框架进行认识,实践和应用,快速掌握tf在深度学习上的使用,包括线性模型,minist数据集分类,Tensorboard,CNN,LSTM,图像识别网络inception-v3,多任务学习以…☆70Updated 5 years ago
- Pytorch_Learning_Notes☆103Updated 3 months ago
- 机器学习预测系统汇总:包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆76Updated 4 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- ☆106Updated 5 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆63Updated 4 years ago
- PSO algorithm for multi-parameters optimizaiton☆65Updated 6 years ago
- 【火炉炼AI】-深度学习系列文章☆45Updated 6 years ago