搜索资源列表
C4_5
- 数据挖掘算法，分类树的C4.5算法，用于模式分类-data mining algorithms, the C4.5 classification tree algorithm for pattern classification
Support vector machine
- 数据挖掘算法，support vector machine算法源代码，用于分类-data mining algorithms, support vector machine algorithm source code for classification
xtfpmfr
- 支持向量机用于分类和回归,SVM的经典文献,搞机器学习的人必备文献,()
KNN方法
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一(The adjacent algorithm, or the K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in the data mining classification technique)
CART
- 对汽车评估的分类决策树构建,使用了常用的python的机器学习库scikit-learn(Construction of classified decision tree for automobile evaluation,Use the common Python's machine learning library scikit-learn)
第9章 聚类分析
- 大数据挖掘，主要包括：数据的分类与聚类分析、智能算法、(Classification and cluster analysis of data)
81422321
- 模式识别中的分类算法的各种方法代码,很全()
licks
- SVDD的工具箱,对一类分类效果非常好,包括圆形和不规则形状的包络面,()
placekhntline
- 很有用的东西 是关于大学分类识别的专家系统()
4290973
- 介绍数字滤波器的定义,分类及实现方法,讨论IIR滤波器,FIR滤波器的设计方法以及如何运用MATLAB中的DSP Bloc()
tist_aux__statement
- 支持向量机,用于分类,含训练集与测试集,()
74554399
- 朴素贝叶斯分类算法,可以用来进行分类bayes()
qiqoa
- 一种文本分类数据挖掘的技术,比较几种不同的文本分类方法,重点介绍熵,()
3117116
- 支持向量机用于分类和回归,SVM的经典文献,搞机器学习的人必备文献,()
01044681
- isodata算法是模式分类中的一个重要算法,该源码用c实现了isodata算法,算法来源,《c语言精彩编程百例》()
964376
- k均值算法是模式识别的聚分类问题,这是用C实现其算法以下是程序源代码()
knn
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
oor-Classification-Classification
- BP网络的应用： BP神经网络用于分类与回归, 使用matlab打开(Application of BP Network: BP Neural Network is used for Classification and regression, matlab is used to Open)
Matlab数据分析与挖掘实战-最新完整版
- 这是一本以实践为导向的 MATLAB 数据挖掘实战指南，以真实案例为主线，不仅深入浅出地讲解了数据挖掘建模过程中的各个环节和各项技术（如数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等），而且还为电力、航空、医疗等 10 余个行业的数据挖掘提供了方法指导和解决方案。此外，本书还深入讲解了数据挖掘的二次开发等内容。(MATLAB data analysis)
逻辑回归
- 根据标签，完成SVM下的多分类数据识别，数据可以是字符或者信号，可以达到较高的识别精度(The multi-classification data recognition under SVM was completed)