發(fā)簡(jiǎn)信
IP屬地：四川
-
分子描述符
分子描述符的介紹生成分子描述符的工具及其使用方法選取分子描述符幾個(gè)原則 1. 分子描述符的介紹 分子描述符是一組代表化學(xué)物質(zhì)的結(jié)構(gòu)特征或者化學(xué)性...
-
機(jī)器學(xué)習(xí)——決策樹基本內(nèi)容劃分選擇剪枝處理連續(xù)與缺失值多變量決策樹 1. 基本內(nèi)容 決策樹通常有三個(gè)步驟：特征選擇、決策樹生成、決策樹的修建。決策樹是一種十分常用...
-
機(jī)器學(xué)習(xí)-梯度下降法
梯度下降法批量梯度下降隨機(jī)梯度下降
-
機(jī)器學(xué)習(xí)——線性模型基本概念線性回歸對(duì)數(shù)幾率回歸 （邏輯回歸）線性判別分析（Fisher判別回歸） 重要多分類學(xué)習(xí)類別不平衡問題梯隊(duì)下降法 1. 基本概念 1.1 ...
-
機(jī)器學(xué)習(xí)基本概念基本概念 科學(xué)推理手段歸納：特殊到一般演繹：一般到特殊 監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)：有明確的答案。分類包括二分類和多分類。二分類就是正負(fù)；多分...
-
機(jī)器學(xué)習(xí)——K-鄰近算法
What is K-Nearest Neighbor model？ProtocolPractical operation What is K-N...
-
講座遷移學(xué)習(xí)可能是之后的熱點(diǎn)方向 機(jī)器學(xué)習(xí)的發(fā)展 機(jī)器學(xué)習(xí)方法
-
文章復(fù)現(xiàn)-基于機(jī)器學(xué)習(xí)和生物學(xué)評(píng)估發(fā)現(xiàn)FGFR4和EGFR雙重抑制劑Background 選取的文章是發(fā)表于JCIM期刊2020年9月的文章，采用機(jī)器學(xué)習(xí)、分子對(duì)接和MD的方法發(fā)現(xiàn)雙抑制劑。 Protocols ...
-
機(jī)器學(xué)習(xí)——樸素貝葉斯方程What is Naive Bayes model？ProtocolPractical operation What is Naive Baye...