搜索资源列表
@polynomial
- VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,SVM文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得出的结论跟实验结果相符.
KStattoolbox
- 一个非常经典的核统计学习工具箱。集成了kpca、kdr、ksri等。具有分类和回归双重功能。
statistics
- 统计学习的Matlab程序:包括各种假设检验,模型识别和线性回归等.
Statistic
- 数据驱动的统计学习方法，包括PLS、PCA、ICA等，可方便进行故障诊断研究-Data-driven statistical learning methods, including PLS, PCA, ICA, can do researching on fault diagnosis
Thresholding
- 关于统计学习正则化的阈值算法，对现有的最小二乘问题进行扩展。-On statistical learning is the threshold algorithm is based on the expansion of the existing least squares problems.
SVM
- 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力[14]（或称泛化能力）。 -SVM is based on statistical learning theory and the theory of VC dimension based on structural risk minimization pr
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
sasptoolbox
- 统计与自适应信号处理中的源码，对智能天线的学习有帮助-Statistical and Adaptive Signal Processing source
sltoolbox_r101
- 一个非常不错的统计学习工具包，里面有详细帮助说明 用起来比较方便-A very nice package of statistical learning tools, there are detailed instructions to help them more convenient to use
libsvm
- 支持向量机以统计学习理论作为坚实的理论依据，借助优化方法解决及其学习的一种新工 具.近年来，支持向量机受到人们的广泛关注，在理论研究和算法实现方面都有了很大的突 破，成为现代机器学习的热点课题.-Support vector machine(SVM)is a new approach that can solve machine learning problem with optimization methods. In recent years,there has been a s
Character-Recognition(Lib-SVM)
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。- Support
knn_self
- 数据统计学习中的knn算法，实现对多组数据的交叉验证-Statistics Learning knn algorithm to achieve the multi-group cross-validation data
LS-SVMlab1.5
- LMS 优化支持向量机 支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力 。-LMS Support Vector Machine optimization SVM method is based on the VC dimension theory and structural risk minimization prin
ls_svr
- 最小二乘支持向量机是基于统计学习对小样本、非线性建模的一种完善的方法，本算法，实现了最小二乘支持向量机的回归问题的应用-LSSVM are based on small samples statistical learning, a well-established method of nonlinear modeling of this algorithm, the least squares support vector machine regression Application
kdtree
- 参照统计学习（李航著）一书实现的MATLAB仿真代码，代码包含main主函数和kd搜索算法以及相应的数据输入，整个代码实现完整，可以直接运行。(Reference statistics learning (Li Hang) a book to achieve the MATLAB simulation code, the code contains the main main function and KD search algorithm, and the corresponding data
decision_tree
- 自己用matlab实现的决策树仿真的代码，决策树代码包含ID3算法和C4.5算法，算法原理可以参照统计学习（李航著）,具体代码编写部分参照网上博客。实现结果用matlab的treelayout实现，模拟树形实现最大程度图形化还原，可以为学习相关算法的朋友提供参考。代码包含相应的主函数和两个决策树函数，具体可参考文字示意。(Reference statistics learning (Li Hang) a book to achieve the MATLAB simulation code, th
tongjituiduan
- 适用于学习数学实验，初接触数学建模，统计推断部分(It is suitable for the study of mathematical experiments, initial contact mathematical modeling, statistical inference part)
《MATLAB统计分析与应用：40个案例分析》
- 《MATLAB统计分析与应用：40个案例分析》程序与数据适用于新手学习，辅助课本效果会更好("MATLAB statistical analysis and application: 40 case analysis" program and data are suitable for novice learning, and the effect of auxiliary textbooks will be better)
统计学习方法
- 统计学习方法这本书的相关资料，可以参考一下(The relevant information of the book of statistical learning method)
EM算法之三硬币模型：matlab编程实现
- EM算法是人工智能十大算法之一。三硬币模型算例出自李航的《统计学习方法》，书中给出了计算结果和简单解说，对于不是学数学的看这种复杂的公式看不懂，我也看了很久才看懂。我用matlab编写的代码，并作了详细的注释。(EM algorithm is one of the ten major algorithms of artificial intelligence. The three coin model is derived from Li Hang's statistical learning