搜索资源列表
Myknn
- knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法-Knn, or k-nearest neighbor algrithom, is a simple and classical classifier algrithom.
机器学习实战(Peter Harrington 著)
- K-近邻算法,机器学习第二章节部分第一个程序源码，python3.6可运行(K- nearest neighbor algorithm, machine learning section second chapter, the first program source code, python3.6 can run)
手写体字符识别
- 简单的手写体字符识别，利用了k近邻和支持向量机算法(Simple handwritten character recognition, using the k nearest neighbor and support vector machine algorithm)
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。(The statistical learning method is an important subject in the field of computer and its application.)
KNN
- K近邻算法,设定K类后，用该算法进行分类任务(KNN algorithm,this method can be used to execute classify mission)
kNN
- 机器学习实战，第二章knn源代码，实现k近邻功能。(Machine learning combat, the second chapter knn source code, k nearest neighbor function.)
FaceRec
- 对人脸进行特征提取，并使用K近邻算法得其识别率(Feature extraction is performed on the face and its recognition rate is obtained using K nearest neighbor algorithm)
5256277
- 实现数据挖掘的几个算法,包括模糊聚类,K均值,以及K近邻等聚类算法()
MLInActionCode-master
- 机器学习实战的源代码集合，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(Machine learning combat source code collection
occzarence
- Parzen窗和K近邻法进行概率密度估计还带一个示波器控件()
text classification
- 利用K近邻算法实现的文本分类器 提供分属于20个类别的20000个新闻文本，每个类别含1000个文本。(Text classification using KNN)
机器学习
- 此算法是对机器学习实战这本书中的K近邻算法进行了代码的详细介绍(K neighbor algorithm of machine learning code explained in detail)
kNN
- 用python构建相关函数实现K近邻算法并进行简单运用。(Build a function in python to implement K neighbor algorithm.)
KNN python
- 关于K近邻算法的简单实现和一些例子，其中包括手写数字的识别(Simple implementation of K nearest neighbor algorithm and some examples)
XEWXIR
- 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
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
splicing
- 二维图像拼接，sift特征匹配，快速k近邻匹配，ransac近一步过滤匹配点(Two dimensional image mosaic)
鸢尾花分类
- 使用四种方法进行鸢尾花分类：最小距离分类器，K 近邻法，感知器，Fisher 准则。(Four methods are used to classify iris: minimum distance classifier, K-nearest neighbor method, perceptron and Fisher criterion.)
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime
基于php的KNN算法实例
- kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。用这种算法可以完成最简单的机器学习算法，适合参加科技比赛和演示