搜索资源列表
muskSuccess
- 数据挖掘与机器学习中可以用于多示例学习的原始数据集MUSK1 已经转化成ARFF格式可直接用于weka的-Data mining and machine learning the original data set can be used for multi-instance learning MUSK1 has been transformed into ARFF format it can be used directly in weka
MUSK2success
- Data mining and machine learning the original data set can be used for multi-instance learning MUSK2 has been transformed into ARFF format it can be used directly in weka-Data mining and machine learning the original data set can be used for multi-in
MILK
- 用于weka中的多示例学习算法的集成库文件MILK,包含多个多示例学习算法-Integrated library file for weka in the multi-instance learning algorithms MILK, comprising a plurality of multi-instance learning algorithms
dotnetWeka1
- C#和weka的混合编程,主要实现在C#中调用Weka工具包的功能。-Blending Program with C Sharp and weka tool.
hand_writing
- 用Java实现了手写体数字识别,采用了WEKA工具包-Using Java to achieve a handwritten digit recognition, using the WEKA Toolkit
artificial-immune-system-applications-in
- svm2 in Java for Weka plateform , it works well and can be installed by the menegement of main interface.
weka机器学习十大算法
- 对机器学习领域的十个经典算法进行了详细介绍,包括:AdaBoost、Apriori、C4.5、CART、EM、K-means、kNN、PageRand、SVM和朴素贝叶斯(Ten classical algorithms in machine learning domain are introduced in detail, including AdaBoost, Apriori, C4.5, CART, EM, K-means, kNN, PageRand, SVM and Nave Baye
36683048
- 嵌入weka中使用的支持向量机工具包,实现SVM的分类算法,()
qdcrifs186
- 这是我从weka主页上下载的一个c4 5算法的改进算法,里面附有readme文件,只有算法的主体,大约600行代码()
parent
- 嵌入weka中使用的支持向量机工具包,实现SVM的分类算法,()
77197037
- 这是一个基于weka数据挖掘的实验测试数据集,格式为 arff,里面包含有名词性和数值型的数据集,用于weka挖掘测试()
mellpredicate
- 这是我从weka主页上下载的一个c4 5算法的改进算法,里面附有readme文件,只有算法的主体,大约600行代码()
weka-3-8-1
- weka3-8-1最新包,可直接放到eclipse 或者打开可视化做数据挖掘(The latest package of weka3-8-1 can be directly put into eclipse or open to do data mining.)
LibSVM1.0.10
- weka3.7 LibSVM.jar,主要用于weka进行SVM分类时,找不到jar包,报错LibSVM不在classpath(weka3.7,LibSVM.jar,When SVM is used for classification in weka, jar package is not found, and LibSVM is not in classpath.)
feature-selection-master
- 最小冗余最大相关性(MRMR)(MRMR.M) 需要外部库。详情请见MRMR。下载一个更新版本的互信息工具箱 偏最小二乘(PLS)回归系数(ReGCOEF.m) 使用MATLAB统计工具箱中的PLSReress ReliefF(分类)和RReliefF(回归)(ReleFracePr.M.) 从Matlab STATS工具箱中包装Releff.m。这是Matlab R2010B以后提供的。 ReliefF的另一个选择是使用ASU特征选择工具箱中的代码。这使用WEKA
RUSBoost
- 使用matlab调用weka示例代码, 其中使用了boot算法(use matlab to call weka)