- 博客(1)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Python：文件操作
1.向一个新的文件中写内容 f = open("D://test.txt","w",encoding="utf-8") for i in range(1,10): f.write("第{}名获得{}元人民币。\n".format(i,i*100)) f.close() 说明：参数“w”的意思擦除文件中原有的信息在里面重新写入内容。对于原本有内容的文件，请慎重使用参数“w” 输出的结...
2018-11-07 23:46:42
149
Active learning via local structure reconstruction
基于数据重构的主动学习方法、代表性主动学习方法、基于局部结构重构的主动学习方法、ALLSR，Python代码实现。
2023-10-29
序分类数据集Nursery
数据集Nursery的样本个数为12958，属性个数为27，类别个数为4，类别分布为[4320 328 4266 4044],不平衡度13.170731707317072
2023-10-18
序分类数据集Melanoma
数据集Melanoma的样本个数为562，属性个数为100，类别个数为5，类别分布为[313 64 102 54 29],不平衡度10.793103448275861
2023-10-18
序分类数据集Knowledge
数据集Knowledge的样本个数为403，属性个数为5，类别个数为4，类别分布为[ 50 129 122 102],不平衡度2.58
数据类型为连续数值型
2023-10-18
序分类数据集CTGs，数据类型：连续数值型
数据集CTGs的样本个数为2126，属性个数为21，类别个数为3，类别分布为[1655 295 176],不平衡度9.403409090909092
数据类型：连续数值型
2023-10-18
序分类数据集eucalyptus
数据集eucalyptus的样本个数为736，属性个数为91，类别个数为5，类别分布为[180 107 130 214 105],不平衡度2.038095238095238
2023-10-18
序分类数据集Obesity
数据集Obesity1的样本个数为2111，属性个数为29，类别个数为7，类别分布为[272 287 290 290 351 297 324],不平衡度1.2904411764705883
2023-10-18
主动学习方法：xPAL的python代码
主动学习方法论文复现Toward optimal probabilistic active learning using a Bayesian approach 2021年（xPAL）
2023-10-18
序分类数据集Nursery的one hot encoding版(12960个样本, 28个属性，类别数为5)
最新整理出来的用于序分类/序回归的稍大点的数据集Nursery，托儿所评审数据。数据集原始版本来自于UCI，但原始属性为nominal。现在已经通过one hot encoding的形式转化成了numerical数据集。大家可以直接使用了。使用KELMOR模型（分层5折交叉）的分类正确率是99.17438%，平均绝对误差是0.00771604。
2023-05-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人