搜索资源列表
Semi-supervised-learning
- 义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n
K---nearest-neighbour-classifier
- 采用快速K近邻与Kmeans聚类算法来计算前K个近邻，舍弃了一部分不可能成为待测样本的前K个近邻的训练样本，从而减少了计算量，提高了分类速度-Fast K-nearest neighbor Kmeans clustering algorithm to calculate the K nearest neighbors, abandoning the training samples of the part can not become the first K neighbors of the t
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
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