文件名称:gcforest

介绍说明--下载内容均来自于网络,请自行研究使用

使用深度随机森林实现对数据的分类,无论数据特征是数值型的还是符号型的。(Using a deep random forest to implement the classification of data, whether the data features are numerical or symbolic.)
相关搜索: 深度随机森林

(系统自动生成,下载前可以参看下载内容)

下载文件列表

文件名大小更新时间
Deep Forest Towards An Alternative to Deep Neural Networks.pdf 2058158 2017-11-08
datasets
datasets\gtzan
datasets\gtzan\get_data.sh 1033 2017-05-26
datasets\gtzan\splits
datasets\gtzan\splits\blues.train 1680 2017-05-22
datasets\gtzan\splits\blues.trainval 2400 2017-05-22
datasets\gtzan\splits\blues.val 720 2017-05-22
datasets\gtzan\splits\classical.train 2240 2017-05-22
datasets\gtzan\splits\classical.trainval 3200 2017-05-22
datasets\gtzan\splits\classical.val 960 2017-05-22
datasets\gtzan\splits\country.train 1960 2017-05-22
datasets\gtzan\splits\country.trainval 2800 2017-05-22
datasets\gtzan\splits\country.val 840 2017-05-22
datasets\gtzan\splits\disco.train 1680 2017-05-22
datasets\gtzan\splits\disco.trainval 2400 2017-05-22
datasets\gtzan\splits\disco.val 720 2017-05-22
datasets\gtzan\splits\genre.train 17360 2017-05-22
datasets\gtzan\splits\genre.trainval 24800 2017-05-22
datasets\gtzan\splits\genre.val 7440 2017-05-22
datasets\gtzan\splits\genres.trainval 22800 2017-05-22
datasets\gtzan\splits\hiphop.train 1820 2017-05-22
datasets\gtzan\splits\hiphop.trainval 2600 2017-05-22
datasets\gtzan\splits\hiphop.val 780 2017-05-22
datasets\gtzan\splits\jazz.train 1540 2017-05-22
datasets\gtzan\splits\jazz.trainval 2200 2017-05-22
datasets\gtzan\splits\jazz.val 660 2017-05-22
datasets\gtzan\splits\metal.train 1680 2017-05-22
datasets\gtzan\splits\metal.trainval 2400 2017-05-22
datasets\gtzan\splits\metal.val 720 2017-05-22
datasets\gtzan\splits\pop.train 1400 2017-05-22
datasets\gtzan\splits\pop.trainval 2000 2017-05-22
datasets\gtzan\splits\pop.val 600 2017-05-22
datasets\gtzan\splits\reggae.train 1820 2017-05-22
datasets\gtzan\splits\reggae.trainval 2600 2017-05-22
datasets\gtzan\splits\reggae.val 780 2017-05-22
datasets\gtzan\splits\rock.train 1540 2017-05-22
datasets\gtzan\splits\rock.trainval 2200 2017-05-26
datasets\gtzan\splits\rock.val 660 2017-05-22
datasets\uci_adult
datasets\uci_adult\features 1156 2017-05-22
datasets\uci_adult\get_data.sh 1119 2017-05-26
datasets\uci_letter
datasets\uci_letter\get_data.sh 1063 2017-05-26
datasets\uci_semg
datasets\uci_semg\get_data.sh 1111 2017-05-26
datasets\uci_yeast
datasets\uci_yeast\get_data.sh 1039 2017-05-26
datasets\uci_yeast\yeast.label 68 2017-05-22
lib
lib\gcforest
lib\gcforest\cascade
lib\gcforest\cascade\cascade_classifier.py 13270 2017-05-25
lib\gcforest\cascade\__init__.py
lib\gcforest\datasets
lib\gcforest\datasets\cifar10.py 2482 2017-05-25
lib\gcforest\datasets\ds_base.py 3433 2017-05-25
lib\gcforest\datasets\ds_pickle.py 2079 2017-05-25
lib\gcforest\datasets\ds_pickle2.py 1507 2017-05-25
lib\gcforest\datasets\gtzan.py 4512 2017-05-25
lib\gcforest\datasets\imdb.py 3771 2017-05-25
lib\gcforest\datasets\mnist.py 2408 2017-05-25
lib\gcforest\datasets\olivetti_face.py 2072 2017-05-25
lib\gcforest\datasets\uci_adult.py 4180 2017-05-25
lib\gcforest\datasets\uci_letter.py 2057 2017-05-25
lib\gcforest\datasets\uci_semg.py 3075 2017-05-25
lib\gcforest\datasets\uci_yeast.py 2862 2017-05-25
lib\gcforest\datasets\__init__.py 2247 2017-05-25
lib\gcforest\data_cache.py 5599 2017-05-25
lib\gcforest\estimators
lib\gcforest\estimators\base_estimator.py 5484 2017-05-25
lib\gcforest\estimators\est_utils.py 1937 2017-05-25
lib\gcforest\estimators\kfold_wrapper.py 8171 2017-05-25
lib\gcforest\estimators\sklearn_estimators.py 2598 2017-05-25
lib\gcforest\estimators\__init__.py 1890 2017-05-25
lib\gcforest\exp_utils.py 6649 2017-05-25
lib\gcforest\fgnet.py 7098 2017-05-25
lib\gcforest\layers
lib\gcforest\layers\base_layer.py 2730 2017-05-25
lib\gcforest\layers\fg_concat_layer.py 2669 2017-05-25
lib\gcforest\layers\fg_pool_layer.py 3976 2017-05-25
lib\gcforest\layers\fg_win_layer.py 6992 2017-05-25
lib\gcforest\layers\__init__.py 1785 2017-05-25
lib\gcforest\utils
lib\gcforest\utils\audio_utils.py 1885 2017-05-22
lib\gcforest\utils\cache_utils.py 107 2017-05-22
lib\gcforest\utils\config_utils.py 1834 2017-05-24
lib\gcforest\utils\debug_utils.py 219 2017-05-22
lib\gcforest\utils\log_utils.py 1361 2017-05-22
lib\gcforest\utils\metrics.py 923 2017-05-24
lib\gcforest\utils\win_utils.py 2886 2017-05-24
lib\gcforest\utils\__init__.py
lib\gcforest\__init__.py
models
models\cifar10
models\cifar10\gcforest
models\cifar10\gcforest\fg-tree500-depth100-3folds-ca.json 2877 2017-05-26
models\cifar10\gcforest\fg-tree500-depth100-3folds.json 3742 2017-05-26
models\gtzan
models\gtzan\gcforest

相关说明

  • 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
  • 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度更多...
  • 请直接用浏览器下载本站内容,不要使用迅雷之类的下载软件,用WinRAR最新版进行解压.
  • 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
  • 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
  • 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.

相关评论

暂无评论内容.

发表评论

*主  题:
*内  容:
*验 证 码:

源码中国 www.ymcn.org