楼主: 妹永远
1608 6

(已经解决)求助文献3篇 [推广有奖]

  • 0关注
  • 0粉丝

已卖:11份资源

硕士生

75%

还不是VIP/贵宾

-

威望
0
论坛币
2 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
113 点
帖子
133
精华
0
在线时间
85 小时
注册时间
2009-5-2
最后登录
2015-12-1

楼主
妹永远 发表于 2009-9-18 08:07:44 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
1.题目: A Fast Dual Algorithm for Kernel Logistic Regression
作者:S.S. KEERTHIK.B. DUANS.K. SHEVADEA.N. POO
其他:
刊 名: Machine Learning  年,卷(期): 2005.61(No.1/3)  分类号:  关键词: classification  logistic regression  kernel methods  SMO algorithm 正文语种: eng网址:http://d.g.wanfangdata.com.cn/NSTLQK_NSTL_QK10421039.aspx
2题目:The evidence framework applied to sparse kernel logistic regression
作者:Gavin C. CawleyNicola L.C. Talbot
其他:
刊 名: Neurocomputing  年,卷(期): 2005Vol.64(No.Mar)  分类号:  关键词: bayesian learning  kernel methods  logistic regression 正文语种: eng 网址:http://d.g.wanfangdata.com.cn/NSTLQK_NSTL_QK9014512.aspx
3.题目:Efficient approximate leave-one-out cross-validation for kernel logistic regression
作者:Gavin C. CawleyNicola L.C. Talbot
其他:
刊 名: Machine Learning  年,卷(期): 2008Vol.71网址:http://d.g.wanfangdata.com.cn/NSTLQK_NSTL_QK17958956.aspx

谢谢了
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:求助文献 已经解决 wanfangdata Approximate regression 求助 文献

沙发
pangl 发表于 2009-9-18 08:32:09
1# 妹永远
第一篇:A Fast Dual Algorithm for Kernel Logistic Regression

藤椅
pangl 发表于 2009-9-18 08:36:04
1# 妹永远
第二篇:The Evidence Framework Applied to Sparse Kernel Logistic Regression
已有 1 人评分论坛币 收起 理由
gjwmat + 100 奖励

总评分: 论坛币 + 100   查看全部评分

板凳
chongyanghe 发表于 2009-9-18 08:39:30
第二篇和第三篇

fulltext[1].pdf

697.13 KB

neurocomp2005a[1].pdf

237.43 KB

报纸
pangl 发表于 2009-9-18 08:40:24
1# 妹永远

第三篇:Efficient approximate leave-one-out cross-validation for kernel logistic regression

三篇全部上传完毕,觉得好的话,每篇下载后评个分。
已有 1 人评分学术水平 热心指数 信用等级 收起 理由
妹永远 + 1 + 1 + 1 hao

总评分: 学术水平 + 1  热心指数 + 1  信用等级 + 1   查看全部评分

地板
妹永远 发表于 2009-9-19 08:00:16
非常的谢谢您们了

7
m8843620 发表于 2011-5-27 12:48:50
謝謝樓主的分享

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-1-19 09:31