文件名称：strava-wind-analysis-ml：Strava Wind Analysis网站的机器学习后端
文件大小：45KB
文件格式：ZIP
更新时间：2024-02-24 19:21:20
machine-learning neural-network clustering scikit-learn regression
Strava风分析-ML后端 RESTful API的目的是对循环数据执行机器学习分析。 该服务器为时间-速度图提供基本的普通线性回归，并使用k-均值为聚集行驶速度-距离图提供聚类。 风相关确定算法 机器学习还支持确定风的相关性。 首先，标准化是在历史上的努力基础上进行的，以防止随着时间的推移，数据因运动员的进步或恶化而被歪曲。 之后，对包括风速，风向在内的多个特征执行回归。 最后，它采用通过从Node服务器计算的矢量操纵算法确定的后处理相关性。 神经网络和多元线性回归模型 较新的风速相关性确定算法使用具有L2正则化（岭）的多元线性回归和使用随机梯度下降的4层多层peceptron深层神经网
【文件预览】：
strava-wind-analysis-ml-master
----.gitignore(48B)
----app.py(806B)
----README.md(3KB)
----test()
--------test_rides_clustering.py(919B)
--------test_linear_regression.py(1KB)
--------__init__.py(0B)
----LICENSE(34KB)
----supervised()
--------multilayer_perceptron.py(3KB)
--------linear_regression.py(2KB)
--------coordinate_utils.py(592B)
--------multivariate_regression.py(2KB)
--------__init__.py(0B)
----__init__.py(0B)
----start.sh(26B)
----.travis.yml(830B)
----util()
--------fetch_weather.py(1KB)
--------fetch_segments.py(4KB)
--------data.txt(75KB)
----unsupervised()
--------kmeans_rides.py(627B)
--------__init__.py(0B)