赫林格准则 sklearn随机森林和决策树分类器的Hellinger距离准则 我正在将其添加到scikit-learn-contrib / imbalanced-learn 建造 您将需要来自sklearn的cython“头文件”(.pxd)。 如果您已经从源代码包中安装了sklearn,那么您已经安装了它。 如果您使用pip install sklearn安装了sklearn,则需要获取它。 转到 下载_criterion.pxd并将其放置在本地sklearn安装文件夹中 Linux通常位于/usr/local/lib/python3.5/dist-packages/sklearn/tree Windows通常位于C:\ Users \ [用户名] \ AppData \ Local \ Continuum \ Anaconda3 \ Lib \ site-packages
2021-11-24 11:46:33 64KB Python
1
库存2 各种BTC S2F型号
2021-11-21 19:33:55 4KB Python
1
IE598金融学机器学习,2018秋季,伊利诺伊大学香槟分校 马克最终小组项目 作者:约瑟夫·洛斯(Joseph Loss),杨若中,徐凤凯,冯彪和段玉辰 型号概要: 探索性数据分析 预处理,特征提取,特征选择 模型拟合和评估,(您至少应拟合3种不同的机器学习模型) 超参数调整 组装 IE598金融学机器学习,2018年秋季最终小组项目 作者:约瑟夫·洛斯(Joseph Loss),杨若中,徐凤凯,冯彪和段玉辰
2021-11-21 09:50:16 6.12MB python data-science machine-learning scikit-learn
1
一些宏模型 这是我用 Python 实现的一些动态宏观经济模型。 有关详细信息,请随时通过与我联系
2021-11-21 09:45:41 6KB Python
1
经济预测 我在Git上的家,用于美国经济的预测模型 项目细目 作为一名应用经济学家,我长期从事的项目之一是预测以国内生产总值衡量的美国经济的短期走势。为此,我使用了两个向量自动回归或var模型的集合。这是一项基于线性的技术,涉及获取多个相关因素,一旦模型中的每个变量都预测了一个周期,就将它们用作彼此的预测,然后将这些预测视为最近的数据周期。重复此过程以生成对未来第二个时期的预测,依此类推,直到我们对预期的未来进行了预测。传统上,我是使用统计分析程序Stata来完成此操作的,但是现在,由于转向数据科学领域,现在已经过渡到将Python用作主要的分析环境,我想在Python中重新创建此过程。这有几个优点;首先,如果我想利用这种预测技术,就不必将程序从Python切换到Stata了–我可以继续使Python成为处理数据的一站式服务。其次,Python比Stata灵活得多,因为它本身就是一种编程语
2021-11-21 09:40:41 10KB Python
1
经济 一个简单的模型经济 该项目模拟了一个只有一个行业(农业)的简单经济。 土地所有者寻求增加出售农作物的利润。 他们通过为最优秀的工人设定有吸引力的工资并购买拖拉机来实现这一目标。 工人根据所需的技能水平和提供的工资离开和进入工作。 在确定每个农场的生产力时也存在一定程度的随机性,以模拟自然变量。 模拟显示了每个工人的就业状况和个人财富,以及每个农民的资本资产和利润如何随时间变化。 TODO: 让工人消费 调整市场价格以供求关系 介绍制造业
2021-11-21 09:23:57 17KB Python
1
房屋价格的预测模型 这是一个使用线性回归,套索回归和岭回归分析和预测房价的最终项目。数据来自对房地产经纪人的MLS房屋列表的审查
2021-11-20 09:13:51 4.2MB
1
蒙古BERT型号 该存储库包含由 , 和训练的经过预训练的蒙古模型。 特别感谢提供了5个TPU。 该存储库基于以下开源项目: ,和 。 楷模 词汇量为32000的用作文本标记器。 您可以使用蒙版语言模型笔记本 测试经过预训练的模型可以预测蒙面蒙语单词的效果如何。 BERT-Base: 和 BERT-Large: HuggingFace 未装箱的BERT-Base: TensorFlow检查点和PyTorch模型 未装箱的BERT-Large: HuggingFace 盒装BERT-Base 下载TensorFlow检查点或PyTorch模型。 评估结果: global_step = 4000000 loss = 1.3476765 masked_lm_accuracy = 0.7069192 masked_lm_loss = 1.2822781 next_sentence_a
1
目录 关于 Mannequin.js是一个关节模型人物的简单库。图形的形状及其移动完全是用JavaScript完成的。图形在实现。单击图像以打开实时演示。 您可以尝试使用在线构建自己的 这是人体模型库的第四种形式。第一个是在Elica中实现的。第二个是在C / C ++和OpenGL中实现的。第三个是在JS / Three.js中实现的,并且是当前mannequin.js的直接前身。自从首次出现以来,mannequin.js就被用于来自计算机科学基础课程的计算机科学基础课程。 Mannequin.js是根据GPL-3.0许可的。从2021年2月起最新版本为4.3 。 此存储库中包含Three.js,以防止与将来的版本不兼容。 Three.js不是mannequin.js的一部分。 初始化 mannequin.js库是作为JavaScript文件提供的,必须与three.js或three.
2021-11-18 22:14:32 11.97MB JavaScript
1
在本文中,我简要介绍了ONNX运行时和ONNX格式。
2021-11-18 21:18:24 619KB Python C# artificial-intelligence Keras
1