化学试剂盒

scikitlearn:python中的机器学习。Scikit learn是一个Python模块,它集成了各种用于中等规模有监督和无监督问题的最新机器学习算法。这个软件包侧重于使用通用高级语言为非专家提供机器学习。重点放在易用性、性能、文档和API一致性上。它具有最小的依赖性,并且在简化的BSD许可下分发,鼓励在学术和商业环境中使用它。源代码、二进制文件和文档可以从url下载{http://scikit-learn.sourceforge.net}.


zbMATH中的参考文献(参考文献611篇文章,1标准件)

显示611的结果1到20。
按年份排序(引用)

1 2 ... 29 30 31 下一个

  1. Ah Pine,Julien:学习基于图的聚类的双随机和几乎幂等亲和矩阵(2022)
  2. Alvaro J.Garcia Tejedor,Alberto Nogales:GEMA:用于自组织地图的开源Python库(2022)阿尔十四
  3. 阿奇博尔德,理查德;Tran,Hoang:一种按预设顺序压缩和重建流数据的字典学习算法(2022)
  4. 阿斯卡里,阿明;德阿斯普雷蒙特,亚历山德拉;El Ghaoi,Laurent:稀疏程序的近似界(2022)
  5. Belli,Edoardo:平滑自适应中心岭估计(2022)
  6. 布达布萨,洛菲;Filipović,Damir:投资组合估值和风险管理的核机器学习(2022)
  7. 深色的蜥蜴,卡米尔;杰纳泰,爱德华;Saumard,Adrien:K-bMOM:一种基于自举中值的鲁棒Lloyd型聚类算法(2022)
  8. 周平;庄浩春;周延春;Liang,Ting Peng:客户再购买的预测分析:buy-till-you-die建模与机器学习的跨学科整合(2022)
  9. 郑裕民;奥斯汀劳森:持久性曲线:总结持久性图的规范框架(2022)
  10. 科玛·普伊格,伯纳特;Carmona,Josep:能源消耗中的非技术性损失检测,侧重于能量回收和可解释性(2022年)
  11. 杜布瓦,皮埃尔;戈麦斯,托马斯;普朗卡特,劳伦特;Perret,Laurent:基于有限测量的流体流动重建的机器学习(2022)
  12. Etienne Côme,Nicolas Jouvin:greed:基于模型的聚类的R包,基于贪婪的综合分类似然最大化(2022)阿尔十四
  13. 费雷拉,贝尔纳多P。;安德拉德·皮雷斯,F.M。;Bessa,M.A.:基于聚类的局部历史相关现象降阶建模的适应性(2022)
  14. 加姆,基督教徒;乌祖诺格鲁、阿伊库特;沃尔,斯特凡;甘辛涅茨,尚塔尔;Tuma,Axel:应用机器学习预测分层生产计划中的复杂嵌套解决方案(2022)
  15. 高,可以;王志成;周杰:基于信息论测度的三向近似约简(2022)
  16. 高丽瑶;杜一凡;李洪山;林广:RotEqNet:具有对称高阶张量流体系统的旋转等变网络(2022)
  17. 吉拉德,乔纳森;奥里奥尔丹,艾米丽;Zhigljavsky,Anatoly:多元数据分析中的单变量和最小方差距离(2022)
  18. 戈洛夫金,史蒂文;克鲁奇尼科夫,尼古拉斯;帕蒂利亚,瓦伦丁:使用无监督二叉树聚类多元函数数据(2022)
  19. Herath,Sumudu:使用高斯过程的机织纺织品的多尺度建模和材料设计(2022)
  20. 黄哲;乔杜里,肯尼;李,国进;Ray,Jaideep:使用时空子空间和机器学习的基于投影的动力学系统模型简化(2022)

1 2 ... 29 30 31 下一个