DaemonFG / BreastCancerWisconsinLinks
逻辑回归做二分类进行癌症预测(基于细胞的属性特征)
☆23Updated 6 years ago
Alternatives and similar repositories for BreastCancerWisconsin
Users that are interested in BreastCancerWisconsin are comparing it to the libraries listed below
Sorting:
- 基于SVM的简单机器学习分类，可以使用svm, knn, 朴素贝叶斯，决策树四种机器学习方法进行分类☆126Updated 3 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆373Updated 5 years ago
- 毕业设计项目-基于深度学习的阿兹海默症早期诊断辅助系统设计与实现☆123Updated 5 years ago
- 基于逻辑回归的癌症预测案例——【癌症分类预测-良／恶性乳腺癌肿瘤预测】☆33Updated 5 years ago
- 机器学习入门：手写数字识别，声呐分类，垃圾短信识别，鸢尾花分类☆42Updated 6 years ago
- 利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等☆188Updated 5 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆83Updated 5 years ago
- 支持向量机的python实现☆49Updated 10 years ago
- ✨基 于 3D 卷积神经网络(CNN)的阿尔兹海默智能诊断 Web 应用 Alzheimer's Intelligent Diagnosis Web Application based on 3D Convolutional Neural Network and the AD…☆153Updated last year
- 一些机器学习算法的demo。普通最小二乘法，决策树（Iris鸢尾花数据集），KNN（mnist手写数字数据集），朴素贝叶斯分类西瓜数据集，trec06c数据集垃圾邮件分类（spam），逻辑斯蒂回归，随机梯度下降SGD与全梯度下降的对比，mnist中8和9的二分类，泰坦尼克号…☆191Updated 7 years ago
- 大数据线性回归预测学生成绩☆36Updated 5 years ago
- PyTorch框架构建花朵图像分类模型（Resnet网络，迁移学习）☆19Updated 3 years ago
- 使用双层全连接神经网络和ResNet网络实现的图像二分类问题☆13Updated 5 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☆43Updated 6 years ago
- 使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析☆50Updated 6 years ago
- 采用SVM方法，对美国威斯康星州的乳腺癌诊断数据集进行分类，最终实现一个针对乳腺癌检测的分类器☆29Updated 6 years ago
- 机器学习算法经典案例☆113Updated 5 years ago
- 基于深度学习的肿瘤辅助诊断系统，以图像分割为核心，利用人工智能完成肿瘤区域的识别勾画并提供肿瘤区域的特征来辅助医生进行诊断。有完整的模型构建、后端架设、工业级部署和前端访问功能。TensorRT、PyTorch 、OpenCV 、Flask、Vue☆651Updated last year
- 【PyTorch】手把手教你跑通第一个神经网络☆271Updated 2 years ago
- 利用回归模型实现房价预测☆50Updated 7 years ago
- 用Python实现SVM多分类器☆436Updated last year
- ☆71Updated 3 years ago
- 深度学习的实战项目☆367Updated 5 years ago
- 吴恩达机器学习算法Python实现，附详细的代码注释。☆86Updated 5 years ago
- 数据挖掘作业数据以及代码(电动车价格预测)☆70Updated 5 years ago
- 实验源代码-----基于随机森林的气温预测☆46Updated 5 years ago
- 使用Flask+Keras部署的基于Xception神经网络的细胞图像AI医疗辅助识别系统（含简单前端demo）☆67Updated 4 years ago
- 机器学习预测模型，分别用逻辑回归，决策树，随机森林，神经网络，XGBOOST和支持向量机算法 建模，交叉验证，并选出AUC最优的模型。特征工程优化后，AUC值达到0.8259☆58Updated 5 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念，包括有监督学习，无监督学习，分类，聚类，回归；神经元模型，多层感知器，BP算法；损失函数，激活函数，梯度下降法；全连接网络、卷积神经网络、递归神经网络；训练集，测试集，交叉验证，欠拟合，过拟合；数据规范化等☆159Updated 9 years ago
- 机器学习(Machine Learning, ML)python简洁实现，包括混合高斯模型，KMeans，决策树，随机森林，K近邻，线性判别分析，逻辑斯蒂回归（梯度下降法，牛顿法），多层感知机（分类+回归），Naive Bayes（离散+高斯），多分类SVM，线性回归，隐马…☆153Updated 4 years ago