搜索资源列表
libsvm-2.88.rar
- 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。,LIBSVM is林智仁Taiwan Univ
adaptive-genetic-algorithm
- 自适应GA SVM 参数选择算法研究Param eter selection algorithm for support vector machines based on adaptive genetic algorithm 支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但 是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果, 而且采用人工的方法选择 SVM 参数比较浪费
GRNN-
- 基于广义回归神经网络的数据预测,使用交叉验证的GRNN神经网络预测程序,包含BP和GRNN效果比较程序。两网络用相同的数据进行训练。-Based on generalized regression neural network data prediction, using cross-validation GRNN neural network prediction program, including BP and GRNN effect comparison procedures. Two
the-maximum-likelihood-estimate
- 1、 极大似然估计 尝试用0~24阶多项式拟合,并用5折交叉验证选择最佳模型(多项式阶数及其系数,给出类似课件中的图),并画出最佳模型的拟合效果图(类似图1,蓝色点为训练样本、红色点为测试样本、绿色线为模型预测),给出该模型的测试误差。 2、 岭回归 多项式阶数为24,正则系数λ的取值范围为exp(-19)到exp(20),采用并用5折交叉验证选择最佳模型。实验结果要求同1。 -1, the maximum likelihood estimate of 0 to 24 try-o
PLSRG
- 用于自动计算X和Y矩阵的PLS回归。生成的各种表格一XLS文件存储。其中交叉验证内置,但是可能会有问题-Used to automatically calculate the X and Y matrices PLS regression. A variety of forms generated XLS file storage. Where cross-validation built-in, but there may be a problem
PLSR-in-Matlab
- 本文章详细介绍了PLSR片最小二乘回归的原理,以及如何用matlab源代码实现PLSR建立回归模型,以及交叉检验,得到最优模型。-This article describes in detail the principle of least squares regression PLSR piece, and how to use matlab source code PLSR regression model, and cross-examination, the optimal model.
SVMcgForRegress
- 支持向量回归机的参数选择程序,通过交叉验证选择惩罚参数、损失函数以及核函数-SVM parameter selection procedure
CrossValidation
- 多元线性回归中应用多倍交叉验证Crossvalitation技术评估回归方程的性能-Multiple linear regression fold cross-validation application performance Crossvalitation technical assessment of the regression equation
pls
- 单因变量偏最小二乘回归matlab程序 程序尚不完善,固定提取了3个主成分,没有做寻求最佳主成分个数;没有做交叉有效性检验 -Single dependent variable and partial least squares regression matlab The program is not perfect, the fixed extract 3 principal components, do not seek the best number of principa
StatLSSVM
- 支持向量机工具箱By Kris De Brabanter,标准的非参数回归,健壮的回归,一些调优标准等经典交叉验证,较好的交互性-The StatLSSVM toolbox is written so that only a few lines of code are necessary in order to perform standard nonparametric regression, regression with correlated errors and robust regre
cross-validation
- 交叉验证(Cross-validation)主要用于建模应用中,例如PCR 、PLS 回归建模中。在给定的建模样本中,拿出大部分样本进行建模型,留小部分样本用刚建立的模型进行预报,并求这小部分样本的预报误差,记录它们的平方加和。这个过程一直进行,直到所有的样本都被预报了一次而且仅被预报一次。把每个样本的预报误差平方加和,称为PRESS(predicted Error Sum of Squares)-Cross-validation, sometimes called rotation estim
LS-SVMh
- LS-SVMh回归测试程序代码,包括模型参数、交叉验证优化参数、回归预测-Regression test code template,Including model parameters, cross validation optimization parameters, regression prediction
itoolbox
- 协同区间偏最小二乘 siPLS算法是 N rgaard等对其提出 的 iPLS方法的改进, 其基本算法步骤如下:(1)对原始谱图进行 预处理;(2)在全谱范围内建立全局偏最小二乘模型, 即上节的 模型;(3)在整个光谱区间采用 iPLS建立多个等窗口宽度的子 区间, 假设为 n个;(4)在每个子区间上建立偏最小二乘法模型, 即可得到 n个局部模型;(5)以交叉验证时的均方根误差 RMSE 值为各模型的精度衡量标准, 比较全光谱模型和各局部模型的 精度;(6)组合精度最高的局部子区间
SRGTSToolbox
- SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能: 实验设计:中心复合设计,全因子设计,拉丁超立方体设计,D-optimal和maxmin设计。 代理:克里金法,多项式响应面,径向基神经网络和支持向量回归。 错误和交叉验证的分析:留一法和k折交叉验证,以及经典的错误分析(确定系数,标准误差;均方根误差等;)。 基于代理的优化:高效的全局优化(EGO)算法。 其他能力:通过安全裕度进行全局敏感性分析和保守替代。(SURROGATES Toolbox
KRR
- 核岭回归算法 输入数据集(需要分开存放训练集和测试集) 利用4重交叉验证法调参 最后输出分类准确率(Kernel ridge regression algorithm Input data set (training set and test set need to be stored separately) Parameter adjustment by 4-fold cross validation Final output classification accuracy)