- 博客(0)
- 资源 (11)
- 收藏
- 关注
西门子工业网络通信指南配套代码
本书从网络通信的实际应用出发,以MPI、PROFIBUS和工业以太网等多种常用的通信协议为脉络,基于西门子工业控制产品和系统,以清晰易懂的理论、丰富详实的通信实例并结合多年实践经验,全面地介绍了西门子工业自动化系统基于各种协议的通信方式及其具体应用。本书分为上下两册,分另对MPI和PROFIBUS协议的通信方式进行了详细的介绍,第一章为网络通信概述,概述了网络通信的各种形式,第二章,第三章分别以MPI和PROFIBUS协议为主,详述了相关网络协议,网络组件及各种通信方式的组态,编程和故障诊断方法,每种方式均配以具体实例加以说明。书中每个通信实例互为独立单元、深入浅出、条理清晰、内容完整,并配有大量的例图与程序,深入细致地阐述了通信协议的各个方面,便于读者学习和掌握。随书附带的光盘提供了书中所有的应有的实例,程序源代码以及技术文档等。本书适合广大工业产品用户、系统工程师、现场工程技术人员、大专院校相关专业师生、以及工程设计人员借鉴和参考
2017-11-09
Scikit-learn-使用手册中文版
This book is translated from official user guide of scikit-learn.
Table of Contents
绪言
有监督学习
广义线性模型
线性与二次判别分析
核岭回归
支持向量机
随机梯度下降
2017-09-12
python-scikit-learn使用说明
简介: ...................................................................... 2
主要特点:................................................................... 2
scikit-learn安装:(ubuntu版本14.04.1) ......................................... 2
Classification .............................................................. 2
1.监督学习 ........................................................... 2
1.1广义线性模型: ................................................ 2
1.2 支持向量机 ................................................... 9
1.3 随机梯度下降 ................................................ 10
1.4 最近邻 ...................................................... 10
1.5 Gaussian Processes ............................................. 15
1.6 Cross decomposition ............................................ 16
1.7 Naive Bayes .................................................. 16
1.8 Decision Trees ................................................. 17
1.9 Ensemble methods ............................................. 20
1.10 Multiclass and multilabel algorithms .............................. 25
1.11 Feature selection .............................................. 26
1.14 Isotonic regression ............................................ 29
2. .................................................................. 29
2.3 Clustering .................................................... 29
2.5 Decomposing signals in components (matrix factorization problems) ...... 32
3.Model selection and evaluation ......................................... 32
3.1 Cross-validation: evaluating estimator performance .................... 32
3.2 Grid Search: Searching for estimator parameters ...................... 35
3.3 Pipeline: chaining estimators ..................................... 37
3.4 FeatureUnion: Combining feature extractors ......................... 38
3.5. Model evaluation: quantifying the quality of predictions ............... 38
3.6. Model persistence .............................................. 42
3.7. Validation curves: plotting scores to evaluate models .................. 43
4................................................................... 44
4.2 Preprocessing data .............................................. 44
4.4 Random Projection ............................................. 49
2017-09-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人