搜索资源列表
10折交叉验证(神经网络)
- matlab进行十折交叉验证神经网络，用于预测(Matlab performs ten fold cross validation using neural networks)
BP NN jiaochayanzheng
- 基于改进的BP神经网络的算法，并结合了交叉验证算法，划分为训练集与测试集进行改进。(Based on the improved BP neural network algorithm and the cross validation algorithm, the training set and test set are improved.)
光滑样条
- 光滑样条拟合，采用交叉验证选取df ，观测选取不同df值时的拟合效果图(The code of smooth splines,first we find the best df by cross-validation,then we choose different df to compare the result.)
svm_light_windows32
- SVM Light工具箱 Matlab接口，已经编译好，可直接用(SVMlight, by Joachims, is one of the most widely used SVM classification and regression package. It has a fast optimization algorithm, can be applied to very large datasets, and has a very efficient implementation of
bp神经网络分类
- 1. 采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）。(. using BP neural network to design the classifier for male and female students. The features in
SVM
- SVM分类器的matlab实现，针对提供的花的特征分类，并交叉验证(The matlab implementation of SVM classifier aims at providing the feature classification of flowers and cross validation)
jiaochayuce
- 上传文件为使用交叉验证的神经网络预测程序(Upload files for cross validation using neural network prediction programs)
trainnet_cross
- 采用10折交叉验证得到光合速率预测模型，代码中有程序语言的详细注释。(The 90% off cross validation of photosynthetic rate prediction model, the procedures detailed notes in the language code.)
plscv
- pls交叉验证，可自行设定K-folder交叉验证(pls cross validation)
StratifiedPartitionSubsets
- 交叉验证中使用的分层次随机分割样本集，用于分类实验中的分类误差估计中的n倍交叉验证实验(Stratified randomly partition samples into subsets, used in the n-fold cross-validation)
CSVM
- 二分类支持向量机交叉验证调参并统计分类准确率(Cross validation of two classification support vector machines and statistical classification accuracy)
CSVM
- 基本svm函数代码库，包含基本svm用到的函数，以及交叉验证，精度测试等等(Including the functions used by the basic SVM, as well as cross validation, precision testing, and so on)
libsvm-svmforcg
- libsvm 源码包，自带交叉验证寻优函数，可直接使用(Libsvm source code package, with cross validation optimization function, can be used directly)
matlab
- 对于一个具体的数据，用交叉验证进行分类，随机森林进行训练，用AUC,AUPR,Precision评价分类器的性能(For a specific data, use cross validation to classify, train random forests, evaluate the performance of the classifier with AUC, AUPR, and Precision.)
libsvm-3.22
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式
lwppredict
- LWP是一种Matlab / Octave工具箱实现局部加权多项式回归（也被称为局部回归/局部加权散点平滑/黄土/ LOWESS和核平滑）。使用此工具箱，您可以使用九个具有度量窗口宽度或最近邻窗口宽度的任意一个内核来拟合任意维度的数据的局部多项式。还提供了一个优化内核带宽的函数。优化可采用留一交叉验证，GCV，AICC、AIC，FPE，T，执行，或单独的验证数据。鲁棒拟合也可用。(LWP is a Matlab/Octave toolbox implementing Locally Weight
CARS_PLS
- 竞争性自适应重加权算法（CARS）是通过自适应重加权采样（ARS）技术选择出PLS模型中回归系数绝对值大的波长点，去掉权重小的波长点，利用交互验证选出RMSECV指最低的子集，可有效寻出最优变量组合。(Competitive adaptive reweighted algorithm (CARS) is obtained by adaptive reweighted sampling (ARS) technique is selected in the PLS model regression
SVM
- 采用SVM高斯核，对样本进行分类，输入训练集和测试集，输出SVM分类准确率，采用10折交叉验证(This matlab code uses the SVM(support Vector Machine)to classify, and as the same time it uses the cross validation mathod.)
SVM_libsvm
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式
分类器评估及交叉验证_代码
- 内有鸢尾花数据的5折交叉验证实验代码，采用的分类器是贝叶斯分类器。(There is a 5-fold cross-validation experiment code for the iris data, and the classifier used is a Bayesian classifier.)