利比线性

LIBLINEAR是一个用于大规模线性分类的开源库。它支持logistic回归和线性支持向量机。我们为用户和开发人员提供易于使用的命令行工具和库调用。初学者和高级用户都可以使用全面的文档。实验表明,LIBLINEAR算法对大型稀疏数据集是非常有效的。


zbMATH中的参考文献(参考 129篇文章,1标准件)

显示129个结果中的1到20个。
按年份排序(引用)

1 2 ... 5 6 7 下一个

  1. Aggarwal,Charu C.:机器学习的线性代数与优化。教科书(2020)
  2. Johan Pensar;Xu,Yingying;Puranen,Santeri;Pesonen,Maiju;Kabashima,Yoshiyuki;Corander,Jukka:二元成对马尔可夫网络的高维结构学习:比较数值研究(2020)
  3. 黄宝贤:lslx:基于惩罚似然的半验证性结构方程模型(2020)不是zbMATH
  4. 安德烈亚·凡佐;克罗齐,丹尼洛;巴斯蒂安内利,伊曼纽尔;巴西里,罗伯托;纳尔迪,丹妮尔:《通过结构化学习对机器人指令的基础语言解释》(2020年)
  5. 吴国强;郑若兵;田英杰;刘大连:联合排序支持向量机和鲁棒低秩学习的二元相关多标签分类(2020)
  6. Amir M.Mir;Jalal A.Nasiri:LightTwinSVM:标准双支持向量机分类器的简单快速实现(2019)不是zbMATH
  7. Babbar,Rohit;Schölkopf,Bernhard:数据稀缺性、鲁棒性和极端多标签分类(2019)
  8. Chvalovský,Karel;Jakubův,Jan;Suda,Martin;Urban,Josef:ENIGMA-NG:高效神经和梯度增强推理指导(\mathrmE)(2019)
  9. 洪斌;张伟忠;刘伟;叶洁平;蔡,邓;何晓飞;王杰:通过同时特征和样本缩减来扩展稀疏支持向量机(2019)
  10. 刘佳鹏;廖秀武;卡钦斯基,米奥斯兹;Słowinski,Roman:正则化框架下具有多个潜在非单调准则排序问题的偏好分解(2019)
  11. Možina,Martin;Demšar,Janez;Bratko,Ivan;Žabkar,Jure:极值修正:规则学习中校正乐观估计的方法(2019)
  12. 宋阳秋;乌帕德海伊,石亚姆;彭浩若;马休,斯蒂芬;罗斯,丹:走向任何语言的零镜头文本文献主题分类(2019)
  13. Vinod Kumar Chauhan,Anuj Sharma,Kalpana Dahiya:LIBS2ML:可伸缩二阶机器学习算法库(2019)阿尔十四
  14. 一般风险最小化方法:王志林,李志林
  15. Yin,Juan;Li,Qingna:支持向量分类与回归的半光滑牛顿法(2019)
  16. 岳文忠;周子瑞;苏,周文哲:基于罗曾误差界性质的一类具有可证明收敛性保证的非光滑凸极小化的非精确SQA方法(2019)
  17. Zablith,Fouad;Osman,Ibrahim H.:ReviewModus:使用机器学习和评估模型的混合组合对非结构化评论的文本分类和情绪预测(2019年)
  18. 周,乔伊天一;潘,辛诺嘉林;曾爱华W.:混合异质迁移学习的深度学习框架(2019)
  19. Zhou,Joey Tianyi;Tsang,Ivor W.;Pan,Sinno Jialin;Tan,Mingkui:多类异构域适应(2019)
  20. Aggarwal,Charu C.:文本的机器学习(2018)

1 2 ... 5 6 7 下一个