注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于贝叶斯方法的决策树分类算法

  2. 针对数据挖掘的特点和本质,充分利用贝叶斯方法和决策树分类的优点,将贝叶斯的先 验信息方法与决策树分类的信息增益方法相结合,提出了一种新的数据挖掘分类算法(BD1. 0 算 法) ,并对此算法进行了设计和分析。实验分析表明,该算法可以处理不一致或者不完整数据等“脏 数据”,比单纯使用贝叶斯方法或决策树方法具有更高的准确率,而且与C4. 5算法具有近似的时间 复杂度。

  3. 所属分类：其它

    • 发布日期：2009-05-12
    • 文件大小：216kb
    • 提供者：dujianlin86

  1. C++实现朴素贝叶斯分类器

  2. 这个是我自己写的朴素贝叶斯分类器，离散化用的是信息增益率算的！里面有Readme.txt说的还算详细，程序里也有注释！程序写的比较简单，希望高手能指点！这个是个VS工程。 忘说了，如果自己做测试数据集的话，最后类别的位置一定要加个‘？’这是格式要求！O(∩_∩)O~还忘了一件事情就是那个拉普拉斯校准避免计算零概率值的没有编写，不过也不难 如果看懂程序你就自己改一下吧!我又上传了个加强版，那个比这个更通用，要下就下那个吧

  3. 所属分类：C++

    • 发布日期：2009-05-22
    • 文件大小：567kb
    • 提供者：bany2000

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：220kb
    • 提供者：q6115759

  1. c4.5基于信息增益比的多分类决策树python实现

  2. c4.5基于信息增益比的多分类决策树python实现，包含数据集，运行结果以字典的形式进行存储

  3. 所属分类：机器学习

    • 发布日期：2017-12-08
    • 文件大小：5kb
    • 提供者：qq_26191927

  1. 统计学习方法_李航

  2. 统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。 《统计学习方法

  3. 所属分类：机器学习

  1. 本体映射中概念相似度计算的改进

  2. NULL 博文链接：https://snv.iteye.com/blog/1882241中国武技论文在线 http://www.paper.edu.cn 是一个实例在某木体中即属于概念A又属」概念B的可能性。P(A,B)表示一个实例在某木 体中属于概念A但不属于概念B的可能性。P(A,B)表小一个实例在某本体中不属于概念A 但属于概念B的可能性。在计算P(A,B)、P(A,B)、P(A,B)时要用到概念A和概念B在各 自本体中的实例个数。 用 Jaccard系数公式(2)我们可以计算出概念A和概

  3. 所属分类：其它

    • 发布日期：2019-04-20
    • 文件大小：212kb
    • 提供者：weixin_38669628

  1. 基于特征加权的FSVM在低信噪比语音识别中的应用

  2. 模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性。为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络。在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数。为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略。在仿真实验中,采用韩语语料库的耳蜗滤波器倒

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：596kb
    • 提供者：weixin_38645198

  1. 学生评教留言的倾向性分析

  2. 学生评教留言经过逐年累积，已经形成一个巨量的信息资源，如何进行挖掘和分析这些资源已经成为一项紧迫的任务。本文采用频率、信息增益、条件概率比、期望值差异等四种特征选取方法对留言进行分析，采用ICTCLAS分词软件进行分词，利用MATLAB软件进行矩阵奇异值分解和降维，使用支持向量机进行训练和预测数据，从而能够对学生留言的情感倾向性给出很好的预测结果。最后通过实例说明了文中算法的有效性。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：366kb
    • 提供者：weixin_38741244

  1. 通信与网络中的使用直接序列扩频芯片SX043实现高增益扩频Modem

  2. 摘要：介绍了高增益扩频芯片SX043的特点、主要性能及用法，并以SX043为核心，设计实现了高增益扩频Modem。 关键词：扩频通信 PN码 处理增益 直接序列扩频芯片SX043 Modem扩频通信是当今国际上高新技术的热点之一。扩频通信是用PN码对传输的信息进行调制，将其频谱扩展后再传输，而在接收端使用相同的PN码对接收到的信息进行解调，恢复原始信息的一种通信方式。扩频通信可使信噪比改善20到50多分贝，而且具有抗噪声、抗干扰、抗衰落、抗多径能力强，可以采用三分多址实现多址通信，易于多媒

  3. 所属分类：其它

    • 发布日期：2020-12-10
    • 文件大小：92kb
    • 提供者：weixin_38749895

  1. 带你学习Python如何实现回归树模型

  2. 所谓的回归树模型其实就是用树形模型来解决回归问题，树模型当中最经典的自然还是决策树模型，它也是几乎所有树模型的基础。虽然基本结构都是使用决策树，但是根据预测方法的不同也可以分为两种。第一种，树上的叶子节点就对应一个预测值和分类树对应，这一种方法称为回归树。第二种，树上的叶子节点对应一个线性模型，最后的结果由线性模型给出。这一种方法称为模型树。 今天我们先来看看其中的回归树。 回归树模型 CART算法的核心精髓就是我们每次选择特征对数据进行拆分的时候，永远对数据集进行二分。无论是离散特征还是连续性

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：220kb
    • 提供者：weixin_38514620

  1. 统计学习方法学习笔记

  2. 决策树 决策树可用ID3、C4.5、CART算法生成树 分树枝时可通过信息增益确定主分支 信息增益也是特征选择的一种方式 信息增益比可作为决策时特征 决策树剪枝还需要在研究一下 每日一学 字典查找类似hash表，速度远超过for遍历列表。 for index,value in enumerate(s): .get函数两个参数时，第二个应重新字典引用，见下面使用方法 arabic += ara_rom_dict.get(s[index-1:inde

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：23kb
    • 提供者：weixin_38742532

  1. 树模型学习笔记整理

  2. 树模型学习笔记整理一、原理二、特征选择2.1信息增益2.2信息增益比三、生成算法3.1 ID3算法3.2 C4.5的生成算法四、决策树的剪枝五、CART算法5.1 CART生成5.2 分类树的生成5.3 CART剪枝六、提升树6.1 AdaBoost算法6.2 提升树6.2.1 提升树模型6.2.2 提升树算法6.2.3 梯度提升6.2.4 随机森林 VS 梯度提升树6.3 xgboost6.3.1 结构分6.3.2 分解结点6.3.2.1 贪心算法6.3.2.2 近似算法6.3.3 加权分桶6

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：185kb
    • 提供者：weixin_38605144

  1. 统计学习方法 读书笔记（五）

  2. 读书笔记仅供个人学习使用 本文主要参考书籍为《统计学习方法》（李航）第二版 参考 Sunning_001的博客 决策树决策树的定义if-then 的理解条件概率分布的理解决策树学习特征选择信息增益信息增益比基尼指数决策树的生成ID3C4.5剪枝CART算法 决策树是一种基本的分类与回归方法。 决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。 （1）是if-then规则的集合 （2）是定义在特征空间与类空间上的条件概率分布 模型的主要优点有：具有可读性，分类速度快 显然，决

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：669kb
    • 提供者：weixin_38710557

  1. RIG:“相对信息增益”的支持数据和脚本-源码

  2. 相对信息增益：基于RNA序列中相对结构保守性的Shannon熵度量 介绍 RNA的结构表征是一个动态领域，提供了许多建模可能性。 RNA二级结构模型通常以通过字符串表示形式或图形描述分子结构信息的编码为特征。 在重新解释适用于RNA比对的Shannon信息后，我们提出了一种新的评分指标，相对信息增益（RIG）。 RIG分数可用于比对中的任何位置，显示了RNA表示中编码的不同细节水平如何不同地有助于传达结构信息。 可在文件夹中找到计算出的RIG分数。 引文 Marco Pietrosanto *

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：156mb
    • 提供者：weixin_42133753

  1. Decision-Tree-ID3-C4.5-implementation:实施Quinlan的ID3和C4.5决策树分类器并生成F1分数。 用于ID3和C4.5的方法-信息增益和增益比-源码

  2. ID3和C4.5决策树学习算法的实现 通过使用ID3和C4.5算法实现决策树并生成F1分数。 在UCI机器学习蘑菇数据集上进行测试 入门：将“ Project1_N01412075_Resubmission”文件夹下载到本地驱动器。 This folder has 1) Project1_Mushroom_DT_N01412075.py - A file that contains source code for the implementation. 2) Mushroom folder

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：311kb
    • 提供者：weixin_42164931

  1. 支持向量机辅助的BOTDA，结合了布里渊增益和相位信息，可提高传感精度

  2. 受益于布里渊散射期间的布里渊振幅和相位光谱响应，已经提出并证明了支持向量机（SVM）辅助的布里渊光学时域分析仪（BOTDA）能够在不牺牲处理速度的情况下提高传感精度。 仅需一个SVM模型，即SVM-（g + p），即可在训练和测试阶段有效组合布里渊增益和相位信息，从而避免了单独的布里渊增益谱（BGS）和布里渊相位谱（BPS）拟合，从而节省了处理时间。 使用不同的参数进行了仿真和实验，以评估SVM-（g + p）的改进性能。 与仅使用BGS或仅使用BPS的情况相比，结合使用BGS和BPS的SVM辅

  3. 所属分类：其它

  1. 基于电子倍增的高光谱成像链模型的系统信噪比分析

  2. 高光谱成像的应用效果非常依赖于所获取的图像信噪比(SNR)。在高空间分辨率下, 帧速率高、信噪比低, 由于光谱成像包含了两维空间-光谱信息, 不能使用时间延迟积分(TDI)模式解决光能量弱的问题; 目前多采用摆镜降低应用要求, 但增加了体积和质量, 获取的图像不连续, 且运动部件降低了航天的可靠性。基于此, 将超高速电子倍增与成像光谱有机结合, 构建了基于电子倍增的高分辨率高光谱成像链模型, 综合考虑辐射源、地物光谱反射、大气辐射传输、光学系统成像、分光元件特性、探测器光谱响应和相机噪声等各个环

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：10mb
    • 提供者：weixin_38501751

  1. Python实现决策树C4.5算法的示例

  2. 为什么要改进成C4.5算法 原理 C4.5算法是在ID3算法上的一种改进，它与ID3算法最大的区别就是特征选择上有所不同，一个是基于信息增益比，一个是基于信息增益。 之所以这样做是因为信息增益倾向于选择取值比较多的特征(特征越多，条件熵(特征划分后的类别变量的熵)越小，信息增益就越大)；因此在信息增益下面加一个分母，该分母是当前所选特征的熵，注意：这里而不是类别变量的熵了。 这样就构成了新的特征选择准则，叫做信息增益比。为什么加了这样一个分母就会消除ID3算法倾向于选择取值较多的特征呢？ 因为

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：225kb
    • 提供者：weixin_38647517

  1. 实现无线电传输范围和可靠性的RF增益模块介绍

  2. “无线电”这个术语现在意味着比过去更多。早期的无线电发射机只不过是振荡器，它只是通过幅度，频率或相位将信号信息调制到载波上。设计并使用了简单的单芯片或晶体管发射器和接收器，功率晶体管可以提供足够的功率以满足大多数需求。今天，普通人普遍使用多个RF收发器的个人移动设备是司空见惯的。 　　这些现代无线电具有很高的性能和可靠性。我们的无线链接必须工作以及有线链接。这意味着在我们的接收信号被仔细检查和解码的同时，许多在后台运行的子系统需要摆动。随着数字时代的到来，甚至模拟信号也以数字形式处理。数字系统

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：155kb
    • 提供者：weixin_38607552
« 12 3 4 5 6 »