შეწირულობა 15 სექტემბერს 2024 – 1 ოქტომბერს 2024
თანხის შეგროვების შესახებ
წიგნების ძებნა
წიგნები
შეწირულობა:
22.1% ამოწურულია
შესვლა
შესვლა
ავტორიზებულ მომხმარებლებს აქვთ წვდომა:
პერსონალური რეკომენდაციები
Telegram ბოტი
ჩამოტვირთვის ისტორია
გაგზავნეთ Email-ზე ან Kindle-ზე
კრებულების მართვა
შენახვა რჩეულებში
პირადი
წიგნის მოთხოვნა
შესწავლა
Z-Recommend
წიგნების სარჩევი
ყველაზე პოპულარული
კატეგორია
მონაწილეობა
დახმარება
ატვირთვები
Litera Library
ქაღალდის წიგნების შეწირვა
ქაღალდის წიგნების დამატება
Search paper books
LITERA Point-ის გახსნა
საკვანძო სიტყვების ძებნა
Main
საკვანძო სიტყვების ძებნა
search
1
Hands-on Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Apress
David Paper
import
rmse
tuning
y_train
x_train
listing
sets
y_test
random_state
feature
x_test
accuracy
scikit
classification
target
__name__
regression
y_pred
features
algorithms
row
get_scores
complex
function
kneighborsclassifier
matrix
algorithm
pca
train_test_split
output
randomforestregressor
validation
scores
__class__
np.load
shape
numpy
targets
see_time
elapsed
figure
executing
lasso
f1_score
false
predictions
time.perf_counter
wine
digit
sample
წელი:
2020
ენა:
english
ფაილი:
PDF, 2.96 MB
თქვენი თეგები:
5.0
/
5.0
english, 2020
2
Hands-on Scikit-Learn for machine learning applications: data science fundamentals with Python
Apress
David Paper
rmse
import
y_train
x_train
listing
y_test
random_state
x_test
feature
accuracy
tuning
__name__
target
y_pred
features
algorithms
row
get_scores
function
sets
matrix
algorithm
train_test_split
classification
pca
kneighborsclassifier
output
scores
validation
__class__
regression
randomforestregressor
np.load
numpy
shape
see_time
targets
elapsed
figure
executing
wine
f1_score
false
lasso
predictions
time.perf_counter
digit
__main__
random
resemble
წელი:
2020
ენა:
english
ფაილი:
EPUB, 2.24 MB
თქვენი თეგები:
0
/
0
english, 2020
3
Hands-on Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Apress
David Paper
import
rmse
tuning
y_train
x_train
listing
sets
y_test
random_state
feature
x_test
accuracy
scikit
classification
target
__name__
regression
y_pred
features
algorithms
row
get_scores
complex
function
kneighborsclassifier
matrix
algorithm
pca
train_test_split
output
randomforestregressor
validation
scores
__class__
np.load
shape
numpy
targets
see_time
elapsed
figure
executing
lasso
f1_score
false
predictions
time.perf_counter
wine
digit
sample
წელი:
2020
ენა:
english
ფაილი:
PDF, 3.17 MB
თქვენი თეგები:
0
/
0
english, 2020
4
Hands-on Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Apress
David Paper
rmse
import
y_train
x_train
listing
y_test
random_state
x_test
feature
accuracy
tuning
__name__
target
y_pred
features
algorithms
row
get_scores
function
sets
matrix
algorithm
train_test_split
classification
pca
kneighborsclassifier
output
scores
validation
__class__
regression
randomforestregressor
np.load
numpy
shape
see_time
targets
elapsed
figure
executing
wine
f1_score
false
lasso
predictions
time.perf_counter
digit
__main__
random
resemble
წელი:
2019
ენა:
english
ფაილი:
EPUB, 2.24 MB
თქვენი თეგები:
0
/
0
english, 2019
1
მიჰყევით
ამ ბმულს
ან Telegram-ში მოძებნეთ „@BotFather“ ბოტი
2
გაგზავნეთ ბრძანება /newbot
3
შეიყვანეთ თქვენი ბოტის სახელი
4
შეიყვანეთ მომხმარებლის სახელი ბოტისთვის
5
დააკოპირეთ BotFather-ისგან ბოლო შეტყობინება და ჩასვით აქ
×
×