搜索资源列表
KMeanIntroduction
- 聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式 识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像 处理和文档等的数据分类中；含有实现此算法的源码 -cluster analysis is to pool the data according to similar size into a different category, It is pattern recognition multivariable Unsupervised Le
som
- 神经网络中的无监督学习中的SOM学习算法，并在MFC中以主观方式显示学习过程。
somnet
- 竞争学习指同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相联的连接权值。竞争学习是一种无监督学习。在无监督学习中，只向网络提供一些学习样本，而不提供理想的输出。网络根据输入样本进行自组织，并将其划分到相应的模式类中。
som
- 竞争学习指同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相联的连接权值。竞争学习是一种无监督学习。在无监督学习中，只向网络提供一些学习样本，而不提供理想的输出。网络根据输入样本进行自组织，并将其划分到相应的模式类中。
syntax3.0
- 无监督的句法学习系统，用java开发的，采用简单的规则实现的句法分析器-Syntactic unsupervised learning system developed with java, using simple rules of implementation Parser
PCA
- 主成份分析，一个最经典的无监督学习算法，也是最常用的线性降维方法-PCA
spider1
- spider，很好用的模式识别工具箱，里面有各种分类工具，从有监督学习到无监督学习，从模型选择到参数选择。而且也将各个方法封装成类，使用方便。-spider, good use of pattern recognition toolbox, there are various classification tools, from supervised learning to unsupervised learning, choose Preferences from the model. But
kmeans
- 基于k均值的无监督聚类算法，输出有各个样本的类别标签，目标函数在每次迭代后的值，聚类中心以及聚类区间。内有测试数据，点击 test.m 可以完美运行。(The unsupervised clustering algorithm based on K means outputs the class labels of each sample, the value of the target function after each iteration, the clustering center a
deeplearning-cfn-master
- 最常用的深度学习工具箱，DBN学习器，无监督学习。(The most commonly used depth learning toolbox.)
UDP
- UDP算法是一种基于流形学习的无监督降维算法，可以用来提取特征和可视化分析。(UDP algorithm is an unsupervised dimensionality reduction algorithm based on manifold learning, which can be used to extract features and visual analysis.)
machine-learning-ex7
- 吴恩达机器学习课程，第八周作业，详解如何实现PCA以及kmeans(Andrew NG machine learning course, eighth weeks of assignment, detailed how to implement PCA and kmeans)
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
machine language learning(1)
- 机器学习实战中 各种常见算法 分类 回归 无监督学习 包括源代码的数据库(A variety of common algorithm classification regression unsupervised learning including source code database in machine learning)
机器学习个人笔记
- 深度学习：一种基于无监督特征学习和特征层次结构的学习方法，此笔记中指出了一些初学者容易犯的错误(Deep learning: a learning method based on unsupervised feature learning and characteristic hierarchy, which points out some mistakes that beginners can make easily.)
MATLAB and Machine learning
- MATLAB与机器学习，包含机器学习简介，快速入门，应用监督式学习，应用无监督学习(MATLAB and Machine Learning, including Machine Learning Introduction, Quick Start, Application Supervised Learning, Application Unsupervised Learning)
半监督学习
- 半监督学习(Semi-Supervised Learning，SSL)是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性
吴恩达深度学习基础教程
- 本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。(This tutorial will explain the main points of unsupervised feature learning and in-depth learning. Through learning, you will also implement multiple functional learning /
机器学习实战书+源代码
- 机器学习横跨计算机科学、工程科学和统计学等多个学科，需要多学科的专业知识。在需要解释并操作数据的领域都或多或少可以运用到机器学习，通过这本书可以系统地学习基于python语言的机器学习的相关知识(Machine Learning in Action written by Peter Harringto. Machine learning covers many subjects, such as computer science, engineering science and statisti
kmeans聚类算法
- kmeans聚类分析，无监督学习实现Matlab代码(Kmeans clustering analysis, unsupervised learning implementation of MATLAB code)
机器学习
- 机器学习无监督学习聚类算法K-mean，利用python对数据进行无监督学习分类