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. 一个高效的KNN分类算法

  2. KNN算法是数据挖掘技术中比较常用的分类算法,由于其实现的简单性,在很多领域得到了广泛的应用。 但是,当样本容量较大以及特征属性较多时,KNN算法分类的效率就将大大降低

  3. 所属分类：其它

    • 发布日期：2010-05-31
    • 文件大小：116kb
    • 提供者：zheyitian

  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. knn算法代码实现及应用实例的所需数据

  2. knn算法代码实现及应用实例的所需数据，与代码片“knn算法实现及应用实例代码”配套使用。

  3. 所属分类：机器学习

    • 发布日期：2017-11-20
    • 文件大小：1mb
    • 提供者：l60522

  1. KNN学习算法-回归算法在计算机视觉及图像处理中的应用matlab

  2. 很有用 可运行 KNN学习算法实现，演示回归算法算法在计算机视觉中的应用 ，实现如何利用偏最小二乘回归模型实现数据拟合

  3. 所属分类：机器学习

    • 发布日期：2018-03-31
    • 文件大小：3kb
    • 提供者：sinat_41931440

  1. 数据算法 Hadoop Spark大数据处理技巧

  2. 《数据算法：Hadoop/Spark大数据处理技巧》介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案，以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这还概要介绍了MapReduce、Hadoop和Spark。 主要内容包括： ■ 完成超大量交易的购物篮分析。 ■ 数据挖掘算法（K-均值、KNN和朴素贝叶斯）。 ■ 使用超大基因组数据完成DNA和RNA测序。 ■ 朴素贝叶斯定理和马尔可夫链实现数据和市场预测。 ■ 推荐算法和成对文档相似性。 ■ 线性回归、Cox回归

  3. 所属分类：spark

    • 发布日期：2018-06-01
    • 文件大小：100mb
    • 提供者：luofazha2012

  1. KNN算法诊断乳腺癌

  2. 如果机器学习能够自动识别癌细胞，那么它将为医疗系统提供相当大的益处。自动化的过程很有可能提高检测过程的效率，从而可以让医生在诊断上花更少的时间，而在治疗疾病上花更多的时间。自动 化的筛查系统还可能通过去除该过程中的内在主观人为因素来提供 更高的检测准确性。从带有异常乳腺肿块的女性身上的活检细胞的测度数据入手，应用 kNN 算法，从而研究机器学习用于检测癌症的功效。

  3. 所属分类：其它

  1. 扩散映射K近邻在工业过程故障检测中的应用

  2. 针对半导体工业过程多工序、变量非线性、非高斯分布等特征,提出一种基于扩散映射的K近邻(DMKNN)故障检测方法.充分利用扩散映射(DM)降维,提取低维流行特性,保留数据集内在非线性结构特性,应用改进的KNN故障诊断方法在低维流行特征空间进行检测.研究结果表明:与传统K近邻技术的统计方法相比,DMKNN的故障检测率高于其他算法,提升了对数据样本关联性信息的有效提取能力,保持了K近邻处理非线性、多模态检测问题的性能,验证了该方法的有效性.

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：1010kb
    • 提供者：weixin_38740827

  1. 一种模糊聚类KNN位置指纹定位算法

  2. 阐述了位置指纹定位算法在室内WLAN环境中的应用，分析了KNN定位算法存在的不足，提出一种模糊聚类KNN位置指纹定位算法。该算法首先选取与空间相关性较好的4个信号参数，构成多径纹信号数据库；然后应用主分量分析法（PCA）对原始信号数据库作降维运算，滤除奇异性接入点（AP）；最后用模糊C均值聚类算法（FCM）处理数据，进一步滤除奇异性参考点（RP），实现提高定位算法效率与精度的目的。实验表明，改进后的定位算法产生的定位误差明显减小。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：426kb
    • 提供者：weixin_38716556

  1. 一种基于OpenCL的高能效并行KNN算法及其GPU验证

  2. 近年来数据分类技术已经被广泛应用于各类问题中，作为最重要的分类算法之一，K最近邻法（KNN）也被广泛使用。在过去的近50年，人们就如何提高KNN的并行性能做出巨大努力。基于CUDA的KNN并行实现算法——CUKNN算法证明KNN在GPU上的并行实现比在CPU上串行实现的速度提升数十倍，然而，CUDA在实现过程中包含了大量的冗余计算。提出了一种并行冒泡的新型KNN并行算法，并通过OpenCL，在以GPU作为计算核心的异构系统上进行验证，结果显示提出的方法比CUDA快16倍。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：243kb
    • 提供者：weixin_38674992

  1. 数据结构和算法在实际中的应用——两种手写数字识别算法的研究

  2. 摘 要：本文从手写数字识别这一较为简单的模式识别问题入手，探讨数据结构与算法在实际生活中的应用。本文研究两种手写数字识别算法——基于K-近邻算法（KNN）的手写数字识别算法和基于卷积神经网络（CNN）的手写数字识别算法，说明两种算法的基本原理，并对比两种算法之间的优缺点。 关键字：手写数字识别算法，KNN，CNN

  3. 所属分类：教育

    • 发布日期：2020-11-01
    • 文件大小：542kb
    • 提供者：alazyperson

  1. KNN（K最近邻）分类算法_糖潮丽子的博客

  2. 我们本篇博客来学习KNN算法的原理，超参数调整，以及KNN算法应用。 kNN算法：K最近邻(kNN，k-NearestNeighbor)分类算法。 KNN算法1、算法概述2、举例3、加深理解4、算法原理5、算法超参数5.1 K值5.2 关于K的取值5.3 距离度量方式5.4 权重计算方式6、算法步骤7、使用KNN实现分类7.1 建模预测7.2 超参数对模型的影响7.3 超参数调整8、使用KNN回归预测8.1 建模预测8.2 数据标准化8.3 流水线9、KD树10、总结 1、算法概述 邻近算法，

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：866kb
    • 提供者：weixin_38701156

  1. Python使用sklearn库实现的各种分类算法简单应用小结

  2. 本文实例讲述了Python使用sklearn库实现的各种分类算法简单应用。分享给大家供大家参考，具体如下： KNN from sklearn.neighbors import KNeighborsClassifier import numpy as np def KNN(X,y,XX)：#X,y 分别为训练数据集的数据和标签，XX为测试数据 model = KNeighborsClassifier(n_neighbors=10)#默认为5 model.fit(X,y) predic

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：44kb
    • 提供者：weixin_38709379

  1. KNN（K Near Neighbor）最近邻算法

  2. KNN算法 一、概念 KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。 用我们的一句古语来说就是：物以类聚，人以群分。假如一个人的通讯录里有马云、王健林、李嘉诚等，那么这个人肯定也是这个圈子里的人；再假如，一个爱好游戏的人的朋友圈，应该大部分都是玩游戏的；爱喝酒的人的朋友圈，应该都是爱喝酒的；有句话说得好，臭味相投。 最近邻算法是一种分类算法，1968年由Cover和Hart提出，应用场景有字符识别、文本分类、图像识别等领域。 该算法的思想是

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：450kb
    • 提供者：weixin_38631225

  1. 在做cs231n作业一的knn时，遇到问题总结和解决办法

  2. 网上有作业参考： 1、知乎的 2、CSDN的CS231n课程学习笔记（一）——KNN的实现 目前是按照知乎上的来做的，做的过程中遇到一些问题和解决办法，现总结如下： 在终端输入 ipython notebook 或者 jupyter notebook 打开Jupyter。 Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。Jupyter Notebook 的本质是一个 Web 应用程序，便于创建和共享文学化程序文

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：222kb
    • 提供者：weixin_38558655

  1. 监督学习之KNN算法

  2. 监督学习 原理 监督学习假定训练数据与真实预测数据属于同一分布且相互独立。监督学习通过训练学习到数据的概率分布，并应用到真实的预测上。监督学习可分为回归分析和分类。 回归分析(Regression Analysis)：对训练数据进行分析，拟合出误差微小的函数模型y=f(x),yy=f(x),yy=f(x),y称为数据的标签，对于每个新的自变量x,x,x,通过这个函数模型可以得到标签yyy。 分类(Classification)：训练数据是特征向量与其对应的标签，同样要通过计算新的特征向量得到其所

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：81kb
    • 提供者：weixin_38536841

  1. song-classification-project:使用Logistic回归，KNN，决策树，随机森林和XGBoost对Spotify摇滚歌曲进行多标签分类到音乐时代（Flatiron Project 3）-源码

  2. 项目3：多分类 作者：Khyatee Desai和David Shin 概述 Spotify一直在寻求创建其他功能和播放列表，以使用户发现来自不同流派和时代的新歌手。 新增内容可能会导致现有用户续订该应用程序的每月订阅，并希望扩展其音乐种类。 以下分析旨在证明音乐可以根据其音乐属性所源自的时间段进行分类。 通过类型分类发现新歌手不仅使用户受益，而且使歌手和Spotify受益。 未知的艺术家将从更多的发现方法中受益，Spotify可能获得更多的收入和更多的数据。 业务问题 要开发最佳功能和播放列表

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：31mb
    • 提供者：weixin_42165980

  1. 基于在线升级主样本建模的批次过程kNN故障检测方法

  2. 针对批次过程故障检测建模样本数据量大、重复性强、噪声干扰多、数据利用率低等问题,提出了一种基于在线升级主样本建模(PSM)的kNN故障检测方法.首先,通过对原始数据样本间协方差、相关系数、样本方差等统计特征的分析进行主样本的提取,使原始数据空间得到压缩,并将新采集的正常数据代入主样本模型,使得主样本空间得到在线升级.然后,基于在线升级的主样本建模运用k最近邻规则(kNN)进行批次过程故障检测.最后,在多阶段半导体生产过程中的成功应用验证了该方法的有效性.

  3. 所属分类：其它

  1. applied_metrics:应用计量经济学和面板数据博士学位课程-源码

  2. 应用指标 这是纽约大学斯特恩分校应用计量经济学的博士学位课程。 该课程比我的微尺度课程（ ）应用得多 除了传统的计量经济学方法之外，本课程还吸引了有关机器学习的最新文献的联系。 以下教科书可能对其他信息有用： 其他讲座是从各种渠道借来的/被盗的 这些是更高级的治疗方法： 该课程的概要如下： 介绍性时间序列 极值估计I：MLE和M估计器 极值估计II：GMM估计器 增量法和自举 非参数简介：kNN，内核等。 模型选择和验证/ ML简介：Lasso，Ridge，PCA。 计划评价I：潜在

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：75mb
    • 提供者：weixin_42165973

  1. Veeresh_Portfolio:数据科学项目-源码

  2. Veeresh_Portfolio 数据科学项目 建立了用于分类不同类型葡萄酒品牌的神经网络模型。 已调整模型使用各种超参数调整方法来获得最佳精度 建立了一个LSTM模型，如果我们提供输入文本数据，该模型将生成文本输出 建立模型并在Google Colab中训练模型 下载数据，清理数据并应用Count Vectorizer方法 建立了一个ANN模型对文本数据进行分类。 已调整模型使用各种超参数调整方法来获得最佳精度 下载数据，使用Minmax缩放器清理数据并缩放数据 建立LSTM模型并在火

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：483kb
    • 提供者：weixin_42106357

  1. 二阶段近似KNN离群挖掘算法与应用

  2. 针对高维大数据集,提出了二阶段近似最近邻离群挖掘算法(TPOM),在聚类的基础上,通过加速最近邻查询和改善剪枝效率,提高了循环嵌套KNN算法的离群检测效率。应用分析表明,该算法对于实际数据集有良好的适用性和可扩展性,具有近似线性的时间复杂度。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：343kb
    • 提供者：weixin_38690017
« 12 3 »