线性的

线性是大规模线性分类的开放源代码库。它支持逻辑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。综合文档可供初学者和高级用户使用。实验表明,线性化在大规模稀疏数据集上是非常有效的。


ZBMaX中的参考文献(116篇)1标准条款

显示结果1至20的116。
按年份排序(引文
  1. 彭萨尔,Johan;徐,Yingying;PuraNeN,Santeri;Payon,MiJua;Kabashima,Yoshiyuki;Corander,尤卡:二元成对马尔可夫网络的高维结构学习:比较数值研究(2020)
  2. Vanzo,安德列;克罗齐,达尼洛;BasTieli,Enimuele;Basili,罗伯托;Nadii,Daniele:通过结构化学习解释机器人命令的接地语言(2020)
  3. Amir M. Mir;Jalal A. Nasiri:LtxTimsVM:标准双支持向量机分类器的简单快速实现(2019)不是ZB数学
  4. 巴巴尔,Rohit;Skul-Lkopf,伯恩哈德:数据稀缺性、稳健性和极端多标签分类(2019)
  5. 查瓦洛夫斯克,卡雷尔;Jauub v,J.;Suda,马丁;城市,约瑟夫:NeigMA-NG:(MaTrMe)的有效神经和梯度增强推理指导(2019)
  6. 洪,彬;张,魏中;刘,魏;叶,洁平;蔡,邓;He,Xiaofei;王,杰:用同时特征和样本约简扩展稀疏支持向量机(2019)
  7. 刘,Jiapeng;Liao,修武;卡迪斯·斯基,米奥斯兹;S·OWI·SKI,Roal:在具有多个潜在非单调准则的排序问题的正则化框架内的偏好解聚(2019)
  8. 莫伊娜,马丁;DEM AR,JANEZ;BrATKO,伊凡;Abkar,Joe:极值修正:修正规则学习中乐观估计的一种方法(2019)
  9. Sadrfaridpour,EHSAN;RaZaGHI,Talayeh;SaFro,ILYA:工程快速多级支持向量机(2019)
  10. 哈维尔,古蒂雷斯,Pedro A.;P·E·奥尔蒂斯,Maiaa:\TexTrTrCa:有序回归的Matlab/OcthVE工具箱(2019)
  11. 宋,Yangqiu;奥巴迪,Shyam;彭,Haoruo;Mayhew,史蒂芬;罗斯,丹:走向任何语言零镜头主题分类文本文献(2019)
  12. Vinod Kumar Chauhan,Anuj Sharma,Kalpana Dahiya:LIbs2ML:一个可扩展的二阶机器学习算法库(2019)阿西夫
  13. 殷,胡安;李,Qingna:支持向量分类和回归的半光滑牛顿方法(2019)
  14. 岳,Man Chung;周,Zirui;So,Anthony Man Cho:一个基于Luo Tseng误差界性质的具有可证明收敛保证的非光滑凸最小化的不精确SqA方法族(2019)
  15. 周,Joey Tianyi;潘,Sinno Jialin;Tsang,Ivor W.:混合异构迁移学习的深层学习框架(2019)
  16. Aggavar,Charu C.:文本机器学习(2018)
  17. 柯蒂斯、Frank E.、诺赛德、豪尔赫:大规模机器学习的优化方法(2018)
  18. Fawzi,Alhussein;Fawzi,奥玛尔;弗罗萨德,Pascal:分类器对对抗扰动的鲁棒性分析(2018)
  19. 弗赖塔格,米迦勒;AmiiPARIAN,Shahin;PugaCaveSky,谢尔盖;康明斯,尼古拉斯;舒勒,BJ Orn:AuthDe:无监督学习用深度递归神经网络的音频表示(2018)
  20. 付,Sheng;张,Sanguo;刘,鱼峰:自适应加权大角度角分类器(2018)