搜索资源列表
libsvm-2.89.zip
- 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。 2.89版本是09年刚更新的一个版本。,LIBSVM
yuchou2
- 用matlab解决线性回归问题,在约束条件下求解二次回归问题的极小值-Using matlab to solve linear regression problems, in the constraint solving quadratic regression under the condition of the minimum problem
possion
- 本文从理论上推导出了 如何使用迭代方法解联立方程组, 在计算精度范围内严格地给出了泊松分布下的线性多 重回归的求解, 并且也解决了“ 面积亏损” 的问题-This paper theoretically out how to use the iterative method for solving simultaneous equations, in the context of strict accuracy of the Poisson distribution is given u
fuction
- matlab 最小二乘线性回归 递推法 源码,解决线性回归中的病态方程问题-recursive least squares linear regression method matlab source code, solve the equation of linear regression of pathological problems
svm
- SVM方法的基本思想是:定义最优线性超平面,并把寻找最优线性超平面的算法归结为求解一个凸规划问题。进而基于Mercer核展开定理,通过非线性映射φ,把样本空间映射到一个高维乃至于无穷维的特征空间(Hilbert空间),使在特征空间中可以应用线性学习机的方法解决样本空间中的高度非线性分类和回归等问题。svm 程序,即支持向量机的代码。-The basic idea of SVM method are: the definition of the optimal linear hyperplane,
program-of-support-vector-machine
- matlab中的标准svm程序源码,用于解决线性的回归问题,不能用于解决非线性,区别于最小二乘支持向量机。-svm program source code, standard Matlab is used to solve linear regression problems, can not be used to solve nonlinear, different from the least squares support vector machine.
GradientDescent
- 本文件时一个matlab程序,采用用梯度下滑方法解决一元线性回归问题-the file solves a linear regression problem by the method of gradientdescent.
LWLR
- 局部加权线性回归,解决非线性回归问题,可以在Matlab直接测试。-This code is the Locally Weighted Linear Regression,which is mainly used to cope with non-linear regression.
TLS
- 我们提出了一个MATLAB工具箱,它可以解决与总最小二乘法(TLS)建模相关的基本问题。通过举例说明了如何用TLS方法求解: 线性回归模型 非线性回归模型 三维空间中的拟合数据 动力系统辨识 这个工具箱需要另外两个函数,这些函数已经在MATLAB中央文件交换中发布了。这些功能将被安装到计算机通过配套安装包的requirefexpackage包括TLS包。详情请参阅readme.txt文件。 作者:Ivo Petras,Dagmar Bednarova,Tomas Skovranek,
matlab-解决线性回归问题
- 利用matlab函数解决线性回归问题,并进行显著性检查,做出散点图和置信区间
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