搜索资源列表
code_3
- 根据用户的电影收视率来预测用户的性别和年龄并且使用10折交叉验证。-predict the gender and age of users based on their ratings on movies.perform 10-fold cross validation. In each fold, users.datx(x=0,…,9) is used for test, and all other users. datxare used for training. You can use m
GRNN
- 基于BP和GRNN神经网络的粮食产量预测研究，通过训练样本和测试样本的交叉验证，实现粮食产量预测效果的最佳化-Prediction of Grain Yield BP and GRNN based training through cross-validation and testing samples, to achieve the best effect of the Grain Production Forecast
chapter26
- 神经网络实例文件说明： 1. chapter26_lvq.m为主程序，将该文件夹设置为MATLAB当前工作路径，运行即可。 2. crossvalidation_lvq.mat为增加了交叉验证功能(确定最佳的隐含层神经元个数)的LVQ程序。 3. chapter26_bp.m为对比的BP程序。 4. data.mat为数据文件。 5. 该程序在MATLAB2009a版本下测试通过，个别函数在低版本中不存在或者调用格式有所不同，参照对应版本中的帮助
SVMcgForRegress
- 一个用于支持向量机的交叉验证结合网格寻优的算法-One for cross-validation support vector machine combined with grid optimization algorithm
main
- 一个用python编写的带交叉验证的SVM分类程序，前提是必须正确安装里面所用到的Python库-Written in python with a cross-validation of SVM classification procedures, must be properly installed inside the premise is used by the Python library
knn-softsvm
- knn，最小二乘，softsvm分类器的matlab实现，以及简单的交叉验证等-knn, least squares, soft svm classifier matlab implementation, and simple cross-validation, etc.
CV_KNN
- 使用交叉验证对KNN算法和SVM算法进行参数优选，其中KNN使用matlab自带的knnclassify，svm使用LIBsvm-Using cross validation for the choosing of hyperparameter for KNN and SVM
bp-neural-network
- BP神经网络，采用交叉验证来测试数据的精度-The BP neural network, using cross validation to the accuracy of test data
demo_libsvm
- How to install the libsvm for MATLAB on Unix machine Linear-kernel SVM for binary classification kernel SVM for binary classification cross validation for C and Gamma multi-class SVM: one-vs-rest (OVR) More ready-to-use matlab example Ava
GRNN
- 本案例是采用GRNN（径向基）神经网络预测水资源量，GRNN神经网络适合于小样本、高精度预测，本实例附有数据（不全），下载者可以直接将数据更改为自己的数据便可以使用。程序中使用了交叉验证方法，使预测精度大大提高-This case is the use of GRNN (Radial Basis Function) neural network to predict the amount of water, GRNN neural networks suitable for small samp
444
- 算法流程：选定训练集和测试集-数据预处理-交叉验证选择最佳参数-分类准确率-预测-利用最佳参数训练SVM-Algorithm flow: selected training set and test set- data preprocessing- cross-validation selection of the best parameters- classification accuracy- prediction- training SVM using the best parameter
classification
- Iris数据的最近邻分类与k近邻分类程序，以及5路交叉验证，适合于新手学习，附有数据集-And nearest neighbor classification k-nearest neighbor classification procedure Iris data, as well as 5-way cross-validation, suitable for novices to learn, with data collection
code
- 采用SVM设计男女生分类器。采用的特征包含身高、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。要求：采用平台提供的软件包进行分类器的设计以及测试，尝试不同的核函数设计分类器，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的计算基于平台的软件包）。-Using SVM classifier is designed for boys and girls. Characterized by the use of include height, weight
code
- 采用决策树设计男女生分类器。采用的特征包含身高、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。要求：采用平台提供的软件包进行分类器的设计以及测试，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的计算基于平台的软件包）。-Decision tree classifier is designed for boys and girls. Characterized by the use of include height, weight, whether
FacialExpressionClassification
- 1. 使用matlab自带的人脸识别工具（Viola-Jones算法）找出人脸的位置，并裁剪出人脸区域。 2. 使用Gabor滤波器识别出人脸的局部特征及纹理。 3. 训练一个SVM进行表情分类。 4. 交叉验证得到表情分类正确率为83.3 。 操作说明和系统描述请见ReadMe.-1. Using matlab with face detection tool (Viola-Jones algorithm) to find the location of a human
chapter15_0
- svm 的参数优化，利用交叉验证法选择最优参数c g，最终提高训练集的分类准确率,更好的提高分类器性能-Svm parameter optimization, the use of cross-validation method to the optimal parameter c g, and ultimately improve the training set classification accuracy，better improve the classifier performan
bp
- cheshi.m为使用交叉验证的GRNN神经网络预测程序 xiaoguobijiao.m为BP和GRNN效果比较程序(Cheshi.m is a cross validation GRNN neural network prediction program Xiaoguobijiao.m is the BP and GRNN effect comparison program)
交叉验证
- 输入一组数据，从从中随机把样本分为测试数据与验证数据(Random selection of samples from cross validation in a set of access data)
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
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