最新
Fork 0 关注 0

本项目是一个关于并行机器学习的教程项目。本项目可以帮助开发者了解常见的机器学习概念以及它们如何与scikit-learning Estimator API匹配。了解如何与IPython并行执行并行交叉验证和超参数网格搜索。学习分析预测模型所要遵循的常见错误种类,以及如何优化模型以将这一分析考虑在内。学习使用numpy内存映射功能优化计算节点上的内存分配。

原始仓库地址:https://github.com/ogrisel/parallel_ml_tutorial.git

浏览量:0 下载量:0 项目类别: 深度学习
about 16 hours前更新
metrics Python
Fork 0 关注 0

本项目实现了机器学习中的多种评价标准。本项目实现了基于R、Python、Haskell、Matlab 的监督机器学习评估指标。本项目可以用于计算最小值或最大值、二进制分类、预测标签、多类别分类、回归、离散比较等。

原始仓库地址:https://github.com/benhamner/metrics.git

浏览量:0 下载量:0 项目类别: 深度学习
about 16 hours前更新
sparsemap Python
Fork 0 关注 0

本项目用于可区分的稀疏结构推断。本项目是一种用于稀疏结构化推理的新方法,该方法 只能自动选择一些全局结构:它位于MAP推理(选择单个结构)和边际推理(边缘推理)之间,后者为所有结构(包括不合理的结构)分配概率质量,而本项目可用于动态推断计算图的结构,在所有可能的结构上的稀疏分布上边缘化。

原始仓库地址:https://github.com/vene/sparsemap.git

浏览量:0 下载量:0 项目类别: 深度学习
about 17 hours前更新
Fork 0 关注 0

本项目是基于 PyTorch 实现的稀疏的结构化的注意力模型。Attention的关键是映射函数,它对输入元素的相对重要性进行编码,将数值映射为概率。而常用的关注机制Softmax会产生密集的注意力。因为softmax的输出都大于0,故其输入的所有元素对最终决策都有或多或少的影响。本项目的方法既可以得到稀疏的输出,又可以作为一个诱导稀疏的惩罚模型,可作用于当前的其他模型上,采用强凸(strong convex)函数进行调整后得到的算子是可微的,它的梯度定义了从输入数值到概率的映射,适合作为Attention机制。

原始仓库地址:https://github.com/vene/sparse-structured-attention.git

浏览量:0 下载量:0 项目类别: 深度学习
about 17 hours前更新
mord Python
Fork 0 关注 0

本项目是一个Python软件包,基于scikit-learn API实现了一些有序回归方法。有序回归的一系列统计学习方法,其目的是预测离散且有序的变量。例如,以1到5个开始的等级来预测电影收视率可以被认为是有序回归任务。本项目为有序回归任务提供了不同的模型,分为基于阈值的模型,基于回归的模型和基于分类的模型。

原始仓库地址:https://github.com/fabianp/mord.git

浏览量:0 下载量:0 项目类别: 深度学习
about 17 hours前更新
Fork 0 关注 0

本项目是一个进行探索性因子分析(exploratory and factor analysis,EFA)的Python模块,具有多个可选的轮换方式。它还包括用于执行带有某些预定义约束的确认性因子分析(CFA)的类。在探索性因素分析中,可以使用多种估计技术来进行因素提取。本项目支持使用最小残差(MINRES)、最大似然、或主因子解决方案来执行EFA。

原始仓库地址:https://github.com/educationaltestingservice/factor_analyzer.git

浏览量:1 下载量:0 项目类别: 深度学习
about 17 hours前更新
skll Python
Fork 0 关注 0

本项目是基于 SciKit-Learn 的实验环境。本项目提供了命令行实用程序,使使用scikit-learn进行机器学习实验变得更加容易。本项目的主要目标之一就是做到这一点,让开发者可以运行本环境,而无需实际编写任何代码来生成或提取功能。同时,本项目提供完整的指南文件,方便开发者学习和使用。

原始仓库地址:https://github.com/educationaltestingservice/skll.git

浏览量:0 下载量:0 项目类别: 深度学习
1 day前更新
tensornets Python
Fork 0 关注 0

本项目是针对 TensorFlow 封装的更高阶的 API。本项目提供了基于预训练模型的更高阶的神经网络定义API。本项目的优点包括:1.适用性。TensorNets可以轻松地连接在一起,因为它被设计为没有自定义类的简单功能接口;2.可管理性。模型是用编写的tf.contrib.layers,像PyTorch和Keras一样轻巧,可以轻松访问每个重量和端点;3.可读性。使用最新的TensorFlow API,可以实现更多的分解和更少的缩进。例如,所有inception变体在TensorNets中都实现为约500行代码,而在官方TensorFlow模型中则为 2000行以上代码;4.重现性。您始终可以使用简单的API(包括特征提取)重现原始结果,而不需要关心TensorFlow的版本。

原始仓库地址:https://github.com/taehoonlee/tensornets.git

浏览量:0 下载量:0 项目类别: 深度学习
1 day前更新
nips14-ssl Python
Fork 0 关注 0

本项目实现了一个半监督学习模型。现代数据集的规模不断扩大, 加上获取标签信息的难度, 使得半监督学习成为现代数据分析中具有重要现实意义的问题之一。本项目重新审视使用生成模型进行半监督学习的方法, 并开发新的模型, 以便有效地将小标签数据集推广到大型无标签数据集。迄今为止, 生成办法要么是不灵活的, 要么是效率低下的, 要么是不可扩展的。深入生成模型和近似贝叶斯推理利用最近的进展, 变分方法可以用来提供显著的改进, 使生成方法具有高度竞争力的半监督学习。

原始仓库地址:https://github.com/dpkingma/nips14-ssl.git

浏览量:0 下载量:0 项目类别: 深度学习
1 day前更新
meta-rl Python
Fork 0 关注 0

本项目是基于 TensorFlow 实现的强化学习中的 Meta-RL A3C 算法。A3C 算法是异步多线程的,可以有效解决 Actor-Critic 算法收敛较慢的问题。开发者可以根据本项目熟悉强化学习的相应实现技巧,快速实现自己的模型。

原始仓库地址:https://github.com/awjuliani/meta-rl.git

浏览量:0 下载量:0 项目类别: 深度学习
3 days前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie