搜索资源列表
knn
- 采用KNN（K邻近算法），用matlab平台实现的分类预测算法(Using KNN (K adjacent algorithm), using matlab platform to achieve the classification prediction algorithm)
KNN
- 分类算法数字识别，KNN算法， 调用代码 import lyqKnn from numpy import * lyqKnn.handwritingClassTest()(Classification algorithm digital recognition)
python-knn
- 主要利用Python软件，利用KNN算法对垃圾邮件进行分类(This paper mainly uses Python software to classify spam mail by using KNN algorithm)
KNN
- knn的核心算法，包含knn的各种实现，并且附带了python版本(main part of knn programe)
knn
- 人工智能导论课作业，水杯图片的分类，knn方法实现(Homework of AI. classify images of cups and bottles. Using knn)
KNN
- 实施KNN算法，并使用KNN改进约会网站，将KNN运用在手写识别系统。(Implement KNN algorithm, and use KNN to improve dating website, use KNN in handwriting recognition system.)
knn
- 这是一个普通的室内定位knn算法，里面含有程序需要的指纹数据库，(This is an ordinary indoor positioning KNN algorithm)
KNN
- KNN算法及实例操作，可以根据提供的答案进行比对。(KNN example and practice)
o-knn
- 欧式距离计算knn,数据集为手写数据集。其效果不是很好维数太大(Euclidean distance calculation KNN)
贝叶斯和KNN算法比较——基于Adult数据集
- 朴素贝叶斯算法和KNN算法比较，其中用到的数据集为adults(Comparison of Bias and KNN algorithms)
KNN
- KNN 代码 matlab 实现(KNN code matlab)
KNN
- 十大经典数据挖掘算法之一knn 利用python实现(One of the data minning algorithm :knn,using python)
KNN方法
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一(The adjacent algorithm, or the K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in the data mining classification technique)
knn
- KNN改进算法，在KNN原有的基础之上进行改进的呢算法(The improved algorithm of KNN can improve the algorithm)
KNN
- 通过K-NN（K临近）算法，python语言实现glass数据集的分类，压缩包里包括glass.txt数据集。(The classification of glass data sets by KNN algorithm)
knn
- 基于matlab的knn算法，可用于数据挖掘(KNN algorithm by matlab)
knn
- python语言编写的，利用KNN实现分类以及梯度下降算法。(Use kNN to classify)
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.)
kNN
- KNN实现python实现代码，结合数字数据集，实现数字的分类任务。(KNN implements the python implementation code and combines the digital data set to realize the classification task of the digital.)