搜索资源列表
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
Class_8
- 介绍决策树与随机森林算法的定义及应用，包含matlab程序(This paper introduces the definition and application of decision tree and random forest algorithm, including Matlab program)
决策树与随机森林
- 给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random
08 决策树与随机森林
- 决策树和决策森林的代码，很不错，适合初学者，一起交流一起进步(The decision tree and decision forest code, very good, suitable for beginners, together with the progress of communication)
5
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and relate
MATLAB
- 本书论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。((This book discusses how to realize neural network in MATLAB environment, including the commonly used neural network and related the
19.决策树与随机森林
- 决策树和随机森林，非常实用的PPT资料，推荐(Decision tree and random forest, very useful PPT data, recommended.)
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part