搜索资源列表
Fsvm_Regression
- 该文研究了当训练点的输出为三角模糊数时!支持向量回归机的构建问题’ 首先将模糊回归问题转化为模糊分 类问题!并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题’ 利用基于模糊模拟的遗传算法 求解带有模糊决策的机会约束规划!得到模糊最优分类超平面&模糊方程$!解模糊方程得到模糊回归函数’ 在此基础上! 得出模糊线性支持向量回归机&算法$’ 从而较好地解决了支持向量机中含有模糊信息的模糊回归问题’ 最后!给出显示 模糊线性支持向量回归机特点的模糊支持向量集的定义’
libsvm-2.85-dense
- LIBSVM源码。LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、 n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ） 等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
chapter7
- 该算法是RBF网络的回归中非线性函数回归的实现-The nonlinear function of regression in the realization of the return of RBF network algorithm
plot_isotonic_regression
- 保序回归是寻找使训练集均方差最小的近似函数，它的优点是目标函数不要线性的。-The isotonic regression finds a non-decreasing approximation of a function while minimizing the mean squared error on the training data. The benefit of such a model is that it does not assume any form for the tar
fwdv033
- 本算法采用相似搜索,和线性加权回归算法,主要用于预测,而且效果好,()
UJFTXJ
- 本算法采用相似搜索,和线性加权回归算法,主要用于预测,而且效果好,()
HW1-regression
- 线性回归梯度下降法程序，用python实现adagrad梯度下降法(Linear regression gradient descent method, using Python to achieve adagrad gradient descent method.)
神经网络与模式识别_丁铖_2017140818
- bp神经网络，用于风力发电机的故障分类，可用于二分类和多分类，已经线性回归和非线性回归(Bp neural network for fault classification of wind turbines, can be used for two-class and multi-classification, has linear regression and nonlinear regression)
precdict
- 基于神经网络对癌症的预测 预测结果 多特征线性回归预测癌症(Prediction of Cancer Based on Neural Network Multi-feature Linear Regression)
AdaBoost
- adaboost 集成多个回归算法（线性回归、岭回归、LASSO等）(Adaboost integrates multiple regression algorithms)