搜索资源列表
ProgrammingPCollectivePIntelligence
- 本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过
knn
- knn算法实现 采用的是 机器学习数据库中的Letter Recognition Data Set-The KNN algorithm is used to achieve the UCI Machine Learning Repository: Letter Recognition Data Set
network2
- 初学机器学习，第一步是做一个简单的手写数字识别，我选用的是MNIST数据集（用其他数据集也可以，原理都差不多），算法是KNN（下载库直接调用函数，算法的具体实现没有过多关心）。在网上也看到过MNIST数据集的Python代码，但是感觉有些复杂，作为初学者见到那么多代码就头大……这里分享一下我的代码，虽然并不完善，但是可以为其他初学者提供一点简单的思路吧。(Learning machine learning, the first step is to do a simple handwritten
SVM支持向量机算法
- 实现简单的SVM算法，简单易学易上手并带有实验数据
Bayesian
- 机器学习实验，实现贝叶斯算法 用C++的基础性语言来实现贝叶斯算法(Machine learning experiment and implementation of Bayesian algorithm)
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