搜索资源列表
Digit-recognizer---knn-a-svm
- matlab中分别使用knn（k近邻）与svm（支持向量机）实现的对手写数字识别的二分类器-Digit recognizer(KNN and SVM) developed in matlab
Fisherclassifier
- fisher线性判别器，方法简单直观，对于多维样本有较好的分类能力-fisherclassifer
ada_boostnew
- ada_boost分类器程序，根据ada_boost算法编写的分类程序，具有较好的鲁棒性-ada_boost algorithm
bayesianclassifier
- 贝叶斯朴素分类，“贝叶斯分类器.doc”包含方法原理及实现效果，及matlab实现代码-Bayesian plain classification
pattern-recognizer
- 用matlab软件编写感知器算法，实现对样本的分类，样本点为X1(0，0)，X2(0，-1)，X3(-1，0)，X4(-1，-1) X1,X2属于第一类，X3、X4属于第二类；（编程） X1、X4属于第一类，X2，X3属于第二类；（计算）-Perceptron Algorithm matlab software, to achieve the classification of samples, sample points X1 (0,0), X2 (0,-1), X3 (-1,0
6227374
- 模式识别中贝页斯分类器的MATLAB实现,且用不同颜色标记了分类点和错分点-Mr Page in pattern recognition classifier of MATLAB, and use different color tag by classification and fault point
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class
Random-Forests-Matlab-master (2)
- 要说随机森林，必须先讲决策树。决策树是一种基本的分类器，一般是将特征分为两类（决策树也可以用来回归，不过本文中暂且不表）。构建好的决策树呈树形结构，可以认为是if-then规则的集合，主要优点是模型具有可读性，分类速度快。(In machine learning, a random forest is a classifier that contains multiple decision trees, and its output category is determined by the m