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. 分类算法.xmind

  2. 分类算法思维导图

  3. 所属分类：算法与数据结构

  1. C++基于特征向量的KNN分类算法

  2. K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 KNN方法虽然从原理上也依赖于极限定理，但在类别决策时，只与极少量的相邻样本有关。由于KNN方法主要靠周围有限的邻

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：57344
    • 提供者：weixin_38684892

  1. python运用sklearn实现KNN分类算法

  2. KNN（K-Nearest-Neighbours Classiflication）分类算法，供大家参考，具体内容如下 最简单的分类算法，易于理解和实现 实现步骤：通过选取与该点距离最近的k个样本，在这k个样本中哪一个类别的数量多，就把k归为哪一类。 注意 该算法需要保存训练集的观察值，以此判定待分类数据属于哪一类 k需要进行自定义，一般选取k<30 距离一般用欧氏距离，即​  通过sklearn对数据使用KNN算法进行分类 代码如下： ## 导入鸢尾花数据集 iris

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：63488
    • 提供者：weixin_38638647

  1. Python决策树分类算法学习

  2. 从这一章开始进入正式的算法学习。 首先我们学习经典而有效的分类算法：决策树分类算法。 1、决策树算法 决策树用树形结构对样本的属性进行分类，是最直观的分类算法，而且也可以用于回归。不过对于一些特殊的逻辑分类会有困难。典型的如异或（XOR）逻辑，决策树并不擅长解决此类问题。 决策树的构建不是唯一的，遗憾的是最优决策树的构建属于NP问题。因此如何构建一棵好的决策树是研究的重点。 J. Ross Quinlan在1975提出将信息熵的概念引入决策树的构建，这就是鼎鼎大名的ID3算法。后续的C4.5

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：112640
    • 提供者：weixin_38713450

  1. 用Python实现KNN分类算法

  2. 本文实例为大家分享了Python KNN分类算法的具体代码，供大家参考，具体内容如下 KNN分类算法应该算得上是机器学习中最简单的分类算法了，所谓KNN即为K-NearestNeighbor（K个最邻近样本节点）。在进行分类之前KNN分类器会读取较多数量带有分类标签的样本数据作为分类的参照数据，当它对类别未知的样本进行分类时，会计算当前样本与所有参照样本的差异大小；该差异大小是通过数据点在样本特征的多维度空间中的距离来进行衡量的，也就是说，如果两个样本点在在其特征数据多维度空间中的距离越近，则这

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：106496
    • 提供者：weixin_38734492

  1. java实现朴素贝叶斯分类算法

  2. java实现朴素贝叶斯分类算法

  3. 所属分类：Java

    • 发布日期：2020-12-23
    • 文件大小：53248
    • 提供者：weixin_43975403

  1. 模式识别-分类算法-决策树算法（ID3、CART 、C4.5）的比较.pdf

  2. 分类算法-决策树算法（ID3、CART 、C4.5）的比较

  3. 所属分类：互联网

    • 发布日期：2020-12-22
    • 文件大小：548864
    • 提供者：qq_36411754

  1. Python 实现 KNN 分类算法

  2. 文章目录1. KNN1.1 KNN 分类算法步骤1.2 KNN 的优缺点2. python 实现 本文将详细讲述 KNN 算法及其 python 实现 1. KNN KNN（K-Nearest Neighbour）即 K最近邻，是分类算法中最简单的算法之一。KNN 算法的核心思想是 如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于某一个类别，则将该样本归为该类别 1.1 KNN 分类算法步骤 有 N 个已知分类结果的样本点，对新纪录 r 使用 KNN 将其分类 1.确定 k 值，确定

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：115712
    • 提供者：weixin_38744375

  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：886784
    • 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：45056
    • 提供者：weixin_38709379

  1. python实现基于朴素贝叶斯的垃圾分类算法

  2. 一、模型方法        本工程采用的模型方法为朴素贝叶斯分类算法，它的核心算法思想基于概率论。我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素贝叶斯之前有必要快速了解一下贝叶斯决策理论。假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示。         我们现在用p1(x,y)表示数据点(x,y)属于类别1（图中用圆点表示的类别）的概率，用p2(x,y)表示数据点(x,y)属于类别2（图中用三角形表示的类别）的

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：234496
    • 提供者：weixin_38725137

  1. 机器学习实战之分类算法.pdf

  2. 机器学习实战之分类算法，机器学习就是将无序的数据转化为有用的信息。一个实例有 n 个特征，由 n 列组 成。机器学习最主要的任务就是分类，另一个就是回归，回归中比较典型的就是 线性拟合。分类和回归都属于监督学习，因为这类算法必须知道要预测什么，即 已知目标变量的分类信息。与监督学习对应的是无监督学习，此时数据没有类别 信息，也不会给定目标值，将数据集合分成由类似的对象组成的多个类的过程叫 做聚类。将描述数据统计值的过程称之为密度估计。分类首先要进行训练，训练 样本集必须确定目标变量的值，以便发现

  3. 所属分类：互联网

    • 发布日期：2020-12-26
    • 文件大小：1048576
    • 提供者：muguli2008

  1. 原生python实现knn分类算法

  2. 一、题目要求 用原生Python实现knn分类算法。 二、题目分析 数据来源：鸢尾花数据集（见附录Iris.txt） 数据集包含150个数据集，分为3类，分别是：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾）和Iris Virginica（维吉尼亚鸢尾）。每类有50个数据，每个数据包含四个属性，分别是：Sepal.Length（花萼长度）、Sepal.Width（花萼宽度）、Petal.Length（花瓣长度）和Petal.Width（花瓣宽度）。 将得到的数据集

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：429056
    • 提供者：weixin_38641896

  1. 不平衡数据的集成分类算法综述

  2. 集成学习是通过集成多个基分类器共同决策的机器学习技术,通过不同的样本集训练有差异的基分类器,得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中,可以通过代价敏感技术和数据采样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势,针对不平衡数据的集成分类算法得到广泛研究。详细分析了不平衡数据集成分类算法的研究现状,比较了现有算法的差异和各自存在的优点及问题,提出和分析了有待进一步研究的问题。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：399360
    • 提供者：weixin_38675506

  1. AlgorithmsUN2021I:仓库分类算法2021-1-源码

  2. AlgorithmsUN2021I:仓库分类算法2021-1

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：447488
    • 提供者：weixin_42146888

  1. 7wonders-neural-network:创建和图像分类算法。使用Bing搜索API收集的培训数据。使用Fastai（pytorch）创建的模型-源码

  2. 7wonders-神经网络 创建和图像分类算法。使用Bing搜索API收集的培训数据。使用Fastai（pytorch）创建的模型

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：12582912
    • 提供者：weixin_42117150

  1. 社交网络分类算法

  2. 社交网络分类算法

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：329728
    • 提供者：weixin_38555304

  1. 改进TrAdaBoost多分类算法的滚动轴承故障诊断

  2. 改进TrAdaBoost多分类算法的滚动轴承故障诊断

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：252928
    • 提供者：gcl1997

  1. Classification-Algorithms:它包括应用程序和数据集示例，您可以研究有关我们在机器学习中看到的分类算法的信息-源码

  2. 分类算法 它包括应用程序和数据集示例，您可以研究有关我们在机器学习中看到的分类算法的信息。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：19456
    • 提供者：weixin_42112894

  1. DigitClassification:MNIST数据库分类算法的研究-源码

  2. 数字分类 对和数据库上的分类算法进行了。 为了进行分类，我的研究包括诸如K均值，SVD，切线距离，K最近邻，神经网络和卷积神经网络之类的方法。 文件夹中包含混淆矩阵，以及一篇论文，讨论了我到目前为止的分类工作。可在文件夹中找到K均值，SVD，切线距离的代码。可在文件夹中找到K最近邻居，神经网络和卷积神经网络的。 截至3/8/2021，我的报告尚不完整，预计将于2021年4月25日完成。 截至3/8/2021，我的python代码不完整。我想完善我的C-NN代码，还没有建立起用于分类的神经网络。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：572416
    • 提供者：weixin_42133918
« 1 2 3 4 5 67 8 9 10 11 ... 50 »