5. 网络 微调预训练网络RESNET pytorch源码，天气数据四分类问题

在Adaboost算法的基础上，提出了一种改进的Boosting方法来解决分类问题。 此方法将示例的类标签预测为分类器集合的加权多数投票。 每个分类器是通过将给定的弱学习者应用于子样本（大小小于原始训练集的子样本）而获得的，该子样本是根据原始训练集上保持的概率分布从原始训练集中得出的。 在Adaboost中提出的重新加权方案中引入了一个参数，以更新分配给训练示例的概率，从而使算法比Adaboost更加准确。 在UCI资料库中可获得的合成数据集和一些实际数据集上的实验结果表明，该方法提高了Adaboost的预测精度，执行速度以及对分类噪声的鲁棒性。 此外，通过kappa误差图研究了集成分类器的多样性准确性模式。

RBF神经网络解决分类问题，用matlab编写

MATLAB源码集锦-随机森林应用于分类问题代码

用多层感知器解决异或分类问题，用plot函数绘出向量分布和分类线。

这个是我实验课的作业，Java实现knn算法，对网上需手动输入数据的算法进行了一些改进，注释详细，数据是文件夹中的txt文件，读者可以自己更换成自己的数据。

代码是我实验课完成的，Java实现分类问题，朴素贝叶斯算法，对网上需手动输入数据的代码稍微改进，数据是文件夹里的txt文件，读者可以自己更改数据文件，非常方便，注释详细。

在matlab平台下实现的SVM二分类问题；共两个：一个是线性分类问题；另一个是非线性分类问题。

关于工资水平二分类问题的训练数据和测试数据。用于机器学习算法的开发，可以用SVM和神经网络来训练。

支持向量机SVM求解鸢尾花分类问题,分别用rbf、poly、linear核函数求解