九分鐘快速學(xué)會(huì)使用python實(shí)現(xiàn)隨機(jī)森林數(shù)據(jù)訓(xùn)練和預(yù)測（附代碼） 
介紹了一個(gè)典型的利用python進(jìn)行隨機(jī)森林訓(xùn)練和預(yù)測數(shù)據(jù)的代碼，可以幫助大家迅速掌握隨機(jī)森林的應(yīng)用。
310
活潑可男_matlab教學(xué) ??? 1年前
十分鐘掌握matlab實(shí)現(xiàn)隨機(jī)森林代碼（新手超友好！） 
介紹了使用matlab實(shí)現(xiàn)隨機(jī)森林的詳細(xì)步驟和具體的程序，希望對(duì)大家有所幫助。
416
活潑可男_matlab教學(xué) ??? 1年前
十分鐘快速掌握決策樹與隨機(jī)森林原理 
介紹了決策樹和隨機(jī)森林的計(jì)算原理，希望對(duì)大家有所幫助，大家有問題也歡迎在評(píng)論區(qū)當(dāng)中提出。
230
活潑可男_matlab教學(xué) ??? 1年前
遺傳算法求解考慮電動(dòng)出租車隨機(jī)概率行為特性的充電站規(guī)劃matlab代碼分享 
視頻中的模型參考了一下面兩篇文章
考慮電動(dòng)出租車隨機(jī)概率行為特性的充電站規(guī)劃
考慮出租車隨機(jī)行為特性及路網(wǎng)行程時(shí)間可靠性的充電站多目標(biāo)規(guī)劃
280
活潑可男_matlab教學(xué) ??? 3年前
基于遺傳算法的晶體塑性參數(shù)自動(dòng)標(biāo)定 
優(yōu)化效果如下圖示：在使用遺傳算法進(jìn)行22次的嘗試過程中，遺傳算法給出的參數(shù)以及對(duì)應(yīng)目標(biāo)函數(shù)的值為可以看到參數(shù)均落在了給定的初始區(qū)間中，隨機(jī)迭代次數(shù)的增加，對(duì)應(yīng)的目標(biāo)函數(shù)逐漸下降。
2619
晶體塑性有限元 ??? 1年前
壓縮機(jī)仿真學(xué)習(xí)：離心壓縮機(jī)參數(shù)辨識(shí)
4.遺傳算法的設(shè)計(jì) 用遺傳算法進(jìn)行系統(tǒng)辨識(shí)，就是在已知模型結(jié)構(gòu)的基礎(chǔ)上，用遺傳算法來優(yōu)化模型參數(shù)。選擇操作采取隨機(jī)均勻分布的方法，交叉操作采用分散的方法，變異操作采用高斯變異算子。
2153
我愛汽輪機(jī)仿真 ??? 2年前
五分鐘學(xué)會(huì)python實(shí)現(xiàn)決策樹和隨機(jī)森林數(shù)據(jù)訓(xùn)練和預(yù)測（詳細(xì)講解代碼，包教包會(huì)！） 
介紹了一個(gè)python實(shí)現(xiàn)決策樹數(shù)據(jù)擬合并進(jìn)行預(yù)測的案例，希望對(duì)大家有所幫助，代碼放在課程附件當(dāng)中，歡迎大家在評(píng)論區(qū)提出問題討論。
438
活潑可男_matlab教學(xué) ??? 1年前
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)遺傳算法程序視頻 
優(yōu)選隱含層節(jié)點(diǎn)數(shù)的程序及圖形顯示解讀(10分鐘，有程序)79、GB18_10程序結(jié)構(gòu)分析及留意可改之處(10分鐘，有程序) 80、GB18_11隱含層點(diǎn)數(shù)的優(yōu)選結(jié)果顯示解讀與有關(guān)語句注釋(10分鐘，有程序)81、GB18_12思考6個(gè)問題與視頻重點(diǎn)內(nèi)容總結(jié)(10分鐘，有程序)82、GB19_1腫瘤數(shù)據(jù)分析及降維建模必要性(7分鐘，有程序)83、GB19_2程序統(tǒng)計(jì)腫瘤數(shù)據(jù)及數(shù)據(jù)隨機(jī)排序又歸一化
1434 2
鄭一 ??? 8年前
自動(dòng)機(jī)器學(xué)習(xí)綜述 
隨機(jī)森林也這樣做，但與決策樹不同，隨機(jī)森林運(yùn)行多個(gè)決策樹，以創(chuàng)建引入了隨機(jī)性的多個(gè)模型。 對(duì)于時(shí)間序列數(shù)據(jù)，我們傾向于討論汽車。R中的arima包使用AIC作為優(yōu)化指標(biāo)。自動(dòng)生成的算法。arima在后臺(tái)使用Hyndman-Khandakar來實(shí)現(xiàn)這一點(diǎn)，在下面的OText書中有詳細(xì)的解釋。
2338
駕駛哥 ??? 4年前
人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）-2、3 
遺傳算法（GAs）用于開發(fā)模糊推理引擎使用的最佳規(guī)則集。 2. 遺傳算法用于優(yōu)化隸屬函數(shù)的選擇。 3. 模糊遺傳算法是在所有離散模糊子集上的有向隨機(jī)搜索。 4. 它可以模仿人類的決策過程。 劣勢（Disadvantages）： 1. 結(jié)果的解釋困難。 2. 建立隸屬值和規(guī)則困難。 3. 收斂需要很長時(shí)間。
2244 1
仿真資料吧 ??? 1年前
孟錦豪等：基于NSGA-II遺傳算法的鋰電池均衡指標(biāo)優(yōu)化 
若按照?qǐng)D4(a)所示隨機(jī)分布進(jìn)行分析對(duì)后續(xù) ΔV范圍的確定較為困難，所以文章將選取圖4(b)所示的特殊分布進(jìn)行分析，即 n 1塊單體的電壓分布在5 mV_上界， n 2塊單體電壓分布在5 mV_下界。
5049 4 2
能源阿陽 ??? 2年前
機(jī)器學(xué)習(xí)模型的集成方法總結(jié)：Bagging, Boosting, Stacking, Voting, Blending 
在隨機(jī)森林中，我們最終得到的樹不僅接受不同數(shù)據(jù)集的訓(xùn)練，而且使用不同的特征來預(yù)測結(jié)果。Bagging通常有兩種類型——決策樹的集合(稱為隨機(jī)森林)和決策樹以外的模型的集合。兩者的工作原理相似，都使用聚合方法生成最終預(yù)測，唯一的區(qū)別是它們所基于的模型。在sklearn中，我們有一個(gè)BaggingClassifier類，用于創(chuàng)建除決策樹以外的模型。
2373 1
牛頓家的計(jì)算機(jī) ??? 3年前
鑄鋁一體化發(fā)動(dòng)機(jī)罩的可靠性優(yōu)化設(shè)計(jì) 
多島遺傳算法相比于標(biāo)準(zhǔn)遺傳算法具有較高的計(jì)算效率，可以避免遺傳算法中局部最優(yōu)解陷阱。鑄鋁一體化發(fā)動(dòng)機(jī)罩的多島遺傳算法的參數(shù)設(shè)置見表4。 許多試驗(yàn)設(shè)計(jì)在本質(zhì)上往往屬于多目標(biāo)優(yōu)化問題，因?yàn)樗鼈兺ǔＩ婕岸鄠€(gè)指標(biāo)。
4483 4 3
張偉一 ??? 2年前
協(xié)方差和相關(guān)性 
遺傳學(xué)：在遺傳學(xué)中，協(xié)方差可以幫助理解不同遺傳性狀之間的關(guān)系以及它們?nèi)绾我黄鹱兓? 計(jì)量經(jīng)濟(jì)學(xué)：協(xié)方差用于研究不同經(jīng)濟(jì)指標(biāo)之間的關(guān)系，例如 GDP 增長與通貨膨脹率之間的關(guān)系。 信號(hào)處理：協(xié)方差用于分析和過濾各種形式的信號(hào)，包括音頻和圖像信號(hào)。 環(huán)境科學(xué)：協(xié)方差用于研究環(huán)境變量之間的關(guān)系，例如溫度和濕度隨時(shí)間的變化。
2941
仿真資料吧 ??? 1年前
智能制造的核心技術(shù)之智能調(diào)度 
如果再加入其他評(píng)價(jià)指標(biāo)，并考慮環(huán)境隨機(jī)因素，問題的復(fù)雜程度可想而知。
2675
陽普科技 ??? 3年前
理論加案例，一文讀懂?dāng)?shù)據(jù)分析中的分類建模 
集成學(xué)習(xí)算法里，RandomForest隨機(jī)森林算法很有代表性，它最顯著的優(yōu)點(diǎn)是抗過擬合能力強(qiáng)。 所謂過擬合，指的是模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)非常好，精度很高。但遇到新數(shù)據(jù)，精度就崩了。 除了抗過擬合，隨機(jī)森林算法的魯棒性也很強(qiáng)。如果數(shù)據(jù)存在異常值，模型也不會(huì)有明顯的精度下降。 當(dāng)然凡事都有兩面性。隨機(jī)森林算法的缺點(diǎn)之一就是模型訓(xùn)練過程的計(jì)算量大，而且得到的模型是一個(gè)黑箱模型。
2296
天洑軟件 ??? 11月前
基于精準(zhǔn)碰撞檢測算法的機(jī)械臂避障軌跡規(guī)劃 
遺傳優(yōu)化算法遺傳算法簡稱GA (genetic algorithms)，是1962年由美國Michigan大學(xué)的Holland教授提出的模擬自然遺傳機(jī)制和生物進(jìn)化論而成的一種并行隨機(jī)搜索算法 [17]。該算法已經(jīng)被各界學(xué)者證實(shí)了在求解非線性、不可微、多極值和高維的復(fù)雜函數(shù)具有很好的魯棒性。因?yàn)楸疚难芯康臋C(jī)械臂就是高維非線性的問題，所以選擇遺傳算法進(jìn)行優(yōu)化。
3493 6 3
機(jī)械設(shè)計(jì)師 ??? 4年前
在 Qgis 中開發(fā)高分辨率 Rusle 模型
您將獲得以下方面的實(shí)用技能：SAGA 中的地形預(yù)處理和 LS 因子推導(dǎo)在隨機(jī)森林的 Google Earth Engine 中為 C 因子定義土地利用和土地覆蓋分類在 QGIS 和 Google Earth Pro 中分配土壤和保護(hù)值組合所有圖層以生成最終的侵蝕風(fēng)險(xiǎn)地圖我們將創(chuàng)建自己的地圖，并在可用時(shí)使用全球開源數(shù)據(jù)。
1378
仿真資料吧 ??? 10月前
諾貝爾物理化學(xué)獎(jiǎng)全給了AI，你不試試這個(gè)機(jī)器學(xué)習(xí)軟件？ 
展（無）開（聊）說，模型訓(xùn)練過程分別基于對(duì)數(shù)正態(tài)函數(shù)分布、廣義帕累托分布和H2018模型三種函數(shù)形式，擬合算法采用了DTEmpower內(nèi)置的隨機(jī)森林、多項(xiàng)式、K近鄰回歸和多層感知器四種機(jī)器學(xué)習(xí)算法。訓(xùn)練完成后，再采用納什效率系數(shù)（Nash efficiency coefficient）等多個(gè)參數(shù)對(duì)模型的準(zhǔn)確性進(jìn)行評(píng)判。明白了吧？別緊張，不明白沒事（我也不懂。
2338
天洑軟件 ??? 1年前
【論文分享】小樣本規(guī)模船型優(yōu)化策略的選擇研究 
從生物進(jìn)化規(guī)律角度分析，遺傳算法雖然具有全局尋優(yōu)特性，但其極度依賴于遺傳代數(shù)和種群數(shù)。理論上種群越大、進(jìn)化代數(shù)越多，優(yōu)化效果就越好。而當(dāng)種群規(guī)模有限時(shí)，優(yōu)化效果會(huì)出現(xiàn)隨機(jī)性。 4 . 不 同優(yōu)化策略的優(yōu)化歷程分析圖7(a) 所示為CAESES軟件不同優(yōu)化策略歷程對(duì)比。Sobol算法是采樣算法，并不是優(yōu)化算法，所以圖中展示的是采樣歷程。
2541 3
天洑軟件 ??? 2年前
20條/頁 
跳至頁
技術(shù)鄰APP
工程師必備
工程師必備
- 項(xiàng)目客服
- 培訓(xùn)客服
- 平臺(tái)客服
TOP
