搜索资源列表
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
classification
- Iris数据的最近邻分类与k近邻分类程序，以及5路交叉验证，适合于新手学习，附有数据集-And nearest neighbor classification k-nearest neighbor classification procedure Iris data, as well as 5-way cross-validation, suitable for novices to learn, with data collection
KNN
- KNN K近邻算法 来自视觉机器学习中的代码-The KNN K Nearest Neighbor algorithm comes the code in the visual machine learning
k-nearest-neighbors
- k最近邻法、有权重的k最近邻法及线性判别-K-nearest neighbor and linear discriminant analysis
kNN
- 机器学习实战中，K近邻算法的实现。包括算法实现，算法分类测试-Machine learning combat, the realization of K nearest neighbor algorithm. Including the algorithm, the algorithm classification test
knear
- 使用MATLAB实现的非参数技术分类，包含了k近邻技术，包含数据集和测试集，具有很大的参考意义。-Non-parametric classification techniques implemented using MATLAB, including k-nearest neighbor technology, including data sets and test sets, has great reference value.
KNN
- kNN,k-近邻算法，caiyong解决分类问题-KNN, k- u8FD1 u90BB u7B97 u6CD5 uFF0C u89E3 u51B3 u5206 u7C7B u95EE u9898
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
svmcls
- 李荣陆老师做的文本分类器,特征选择方式包括全局和按类别选取，概率估算方法支持基于文档（布尔）统计和基于词频统计，支持三种特征加权方式，特征评估函数包括信息增益、互信息、期望交叉熵、X^2统计，文本证据权重，右半信息增益，分类方法包括支持向量机SVM和K近邻KNN，(text classifier that was written by Li Ronglu)
MLkNN
- K近邻分类算法是一种简单有效的方法，基于此提出了多标签K近邻分类算法用于多标签分类研究(multi-label classification algorithm)
pattern recognition
- 模式识别，fisher判别法，近邻法，k近邻法matlab例程(Pattern recognition, Fisher discriminant method, nearest neighbor method, k nearest neighbor method, matlab)
KD-tree
- C++构建简单的KD树并查找K近邻，是一篇文档，内附代码，代码亲测可用(C++ to build a simple KD tree, and find K nearest neighbor, is a document, enclosing code, code pro test available)
MLkNN
- ML-KNN，这是来自传统的K-近邻（KNN）算法。详细地，为每一个看不见的实例中，首先确定了训练集中的k近邻。之后，基于从标签集获得的统计信息。这些相邻的实例，即属于每个可能类的相邻实例的数量，最大后验（MAP）原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究，即酵母基因功能分析、自然场景分类和网页自动分类，表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
knn分类
- 进行K近邻分类器的编写，与k近邻分类器的测试(K nearest neighbor classifier, and K nearest neighbor classifier test)
2012.李航.统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》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
Character_Recognition
- 本程序主要参照论文，《基于OpenCV的脱机手写字符识别技术》实现了，对于手写阿拉伯数字的识别工作。识别工作分为三大步骤：预处理，特征提取，分类识别。预处理过程主要找到图像的ROI部分子图像并进行大小的归一化处理，特征提取将图像转化为特征向量，分类识别采用k-近邻分类方法进行分类处理，最后根据分类结果完成识别工作。 程序采用Microsoft Visual Studio 2010与OpenCV2.4.4在Windows 7-64位旗舰版系统下开发完成。并在Windows xp-32位系统下测试
gkwj
- Parzen窗和K近邻法进行概率密度估计还带一个示波器控件()
KNN
- K近邻原理MATLAB代码程序，很详细，很实用，可以直接用(knn matlab matlab code)
MLkNN
- 该程序是基于传统的K近邻方法发展而来的一种可用于多标签分类的方法(this code can be used for multi-label classification problem)
knn_toy
- 这是一个K近邻分类器，手动编写的一个较为简单的实现。(K nearest neighbor classifier)