搜索资源列表
exampleRF
- 随机森林在MATLAB上的实现，并且可以对特征进行重要性排序选择。-Random Forest on MATLAB implementation, and can characteristics in order of importance.
rfuncs
- 用随机森林的方法进行特征选择，对200了影像特征数据进行分类(Feature selection using random forest methods)
MC
- 大数据挖掘，随机森林算法，可用于分类，特征向量选择等等。(random forest ,data minning)
特征提取程序
- 特征提取，随机森林实现特征重要性排序，用python实现(Feature extraction and classification of characteristic importance in random forest)
决策树与随机森林
- 给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random
randomforest.R
- R 语言 随机森林分类特征选择，打分特征重要性(R language random forest feature selection importance)
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part