搜索资源列表
fuzzylogicMATLAB
- 一个机器学习算法软件包，包括神经网络，模糊逻辑，支持向量机，采用MATLAB平台实现-A package of machine learning algorithms, including neural networks, fuzzy logic, support vector machine, using MATLAB platform
rbf_svm
- 人工神经网络(ANN)的泛化特性是神经网络最重要的特性,同时也是最不容易保证的特性。本程序对改进泛化的神经网络算法以及新兴的机器学习算法——支持向量机算法进行研究,-Artificial Neural Network (ANN) the generalization characteristics of neural networks are the most important characteristics, but also not easy to guarantee the most f
RVM
- 该算法是机器学习领域新提出的一种能应用于分类和拟合的方法，被称为相关向量机(RVM)，相比于在这一领域表现出色的支持向量机(SVM)，该算法在保持杰出分类能力和拟合能力的同时，也表现出良好的稀疏性，因此拥有更好的泛化能力。本算法值得广大机器学习研究领域的科研人员借鉴学习-failed to translate
<<机器学习实战》源代码
- 《机器学习实战》源代码,代码为python代码 可以到官网上下载 里面有KNN算法，决策表算法，SVM支持向量机算法等
支持向量机MATLAB程序
- SVM支持向量机算法，matlab机器学习算法程序，功能强大(SVM support vector machine algorithm, matlab machine learning algorithm program, powerful)
wine_SVM
- 支持向量机是一种继神经网络之后又一优化的算法推动了机器学习的理论发展。(Support vector machines (SVM) is a kind of optimization algorithm after neural network, which promotes the development of machine learning theory)
svmMLiA
- 机器学习实战的SVN源码，适合用python学习机器学习算法的伙伴。(Machine learning combat SVN source code, suitable for Python learning machine learning algorithm partners.)
ClassicalMachineLearning
- 几个经典算法的实现，例如决策树，支持向量机，还有单层感知机等(Several classical algorithms are implemented, such as decision tree, support vector machine, and single layer perceptron)
SVM支持向量机算法
- 实现简单的SVM算法，简单易学易上手并带有实验数据
Machine Learning Mastery with Python
- 各种机器学习算法的Python优雅实现，尤其是深度学习部分，应用到了TensorFlow(Python elegant implementation of various machine learning algorithms)
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
支持向量机（Support Vector Machine, SVM）
- 支持向量机（support vector machine，SVM）是由Cortes和Vapnik在1995年提出的，由于其在文本分类和高维数据中强大的性能，很快就成为机器学习的主流技术，并直接掀起了“统计学习”在2000年前后的高潮，是迄今为止使用的最广的学习算法。(Support vector machine (support vector machine, SVM) is proposed by Cortes and Vapnik in 1995, because of its powerf
支持向量机
- 用于机器学习，代码中将支持向量机计算过程详细展示(For machine learning, the code is shown in detail in the support vector machine computing process)
向量机
- 此处利用python实现机器学习向量机算法(The implementation of machine learning vector machine algorithm in Python)
论文
- 20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
☆室内定位用RVM算法
- 相关向量机的应用论文,使用相关向量机的机器学习方法应用于室内定位(Paper about applying RVM into indoor potioning)
svm支持向量机图像分类
- 通过支持向量机机器学习算法，实现对不同状态图像的分类，是非常好的方法。
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to fit and predict the data. It c
SVM算法
- 实现线性支持向量机算法，并比较其原始函数与对偶形式函数(Realize the linear SVM algorithm, and compare the original function and dual function)
支持向量机
- 数值分析好工具，数学分析，人工智能，机器学习，算法可靠，方便修改。