搜索资源列表
rec
- Java实现将movielens各种规模数据的划分为测试集和训练集-Split movielens dataset to trainset and test set
AdaBoost
- Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。-Adaboost is an iterative algorithm, the core idea is the same training set for training different classifiers (weak classifiers), then these weak classifiers together to f
KNNDemo
- KNN算法Java语言实现，控制台运行界面。分类训练样本集和测试样本都有。-Java KNN language implementation, the console running interface. Classified training samples and test samples are.
pmf
- 推荐系统 概率矩阵分解代码 内部已包含有数据集，已分为训练集与测试集-Recommended system probability matrix decomposition Code
emial-spam
- 基于感知器算法的垃圾邮件识别，先通过训练集训练出分类器，然后通过测试集验证-Perceptron based spam detection algorithm
CuCao2ClassTrain
- 基于粗糙集的分类规则提取和分类规则约简。首先进行粗糙分类器训练，然后将复杂的分类规则降维成简单的分类规则，但分类精度不变。-Rough classification learning rules are trained and extracted based on rough sets and complex classification rules are dimensionally reduced into simple classification rules, but the class
bayes
- 首先对数据进行拆分，分为测试集与训练集，通过训练集进行贝叶斯网络的建模，最后利用建立的模型进行预测或分类任务的R语言代码-First, the data is split into a training set and test set, Bayesian network modeling through the training set, and finally the use of the model to predict or classify tasks R language code
NLPLibSVM
- libsvm分词训练集的java版本。包括libsvm.jar以及训练集样本-Libsvm version of the Java word segmentation training set. Including libsvm.jar and training set samples
k_nn
- kNN的思想:计算待分类的数据点与训练集所有样本点，取距离最近的k个样本；统计这k个样本的类别数量；根据多数表决方案，取数量最多的那一类作为待测样本的类别。距离度量可采用Euclidean distance，Manhattan distance和cosine。-kNN The idea is simple: the training set and calculated data points to be classified all sample points taken the neare
code_BPMF
- 如何使它工作： 1。创建一个单独的目录，并将所有这些文件下载到相同的目录中 2。下载7个文件： *demo:主文件demo:PMF和贝叶斯PMF * PMF.m:训练的PMF模型 * bayespmf.m贝叶斯PMF模型实现吉布斯采样器。 * moviedata.mat样本数据包含三元组（user_id，movie_id，评分） * makematrix.m：辅助功能转换成大型矩阵的三元组。 * PRED.m:辅助功能使得预测验证集。 三.在Matlab只需运
tist_aux__statement
- 支持向量机,用于分类,含训练集与测试集,()
sklearn-tree-BN-knn
- 分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the dat