分类算法（决策树、支持向量机）建立决策函数，然后判断如下数据的类别。
（青年，是，否，非常好）请按列表写结果并附加程序和运行结果。
2022-11-19 14:25:11
3KB
1
利用模糊集理论（FS），区间值模糊集理论（IVFS）和非并行支持向量机理论（NPSVM），模糊非并行支持向量机（F-NPSVM）和区间值模糊非并行支持向量机。 （IVF-NPSVM）已构建。 F-NPSVM和IVF-NPSVM都在模型中考虑了训练点的隶属度，区别在于确定训练点的方法。 在人工数据集和基准数据集上的实验表明，使用F-NPSVM和IVF-NPSVM进行的大多数分类结果比NPSVM，支持向量机（SVM）更为准确。 ，区间值模糊支持向量机（IVF-SVM），广义特征值近端支持向量机（GEPSVM）和双支持向量机（TWSVM）。 最后，使用Friedman检验来验证两个新模型与以前的模型之间存在显着差异。
2022-11-18 22:19:30
389KB
1
除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。
一、导入sklearn算法包
Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明
skleran中集成了许多算法，其导入包的方式如下所示，
逻辑回归：from sklearn.linear_model import LogisticRegression
朴素贝叶斯：from sklearn.naive_bayes import Gaussian
2022-11-18 16:44:31
178KB
1
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）
2022-11-11 16:30:43
2KB
1
这里将加载iris数据集，创建一个山鸢尾花（I.setosa）的分类器。
# Nonlinear SVM Example
#----------------------------------
#
# This function wll illustrate how to
# implement the gaussian kernel on
# the iris dataset.
#
# Gaussian Kernel:
# K(x1, x2) = exp(-gamma * abs(x1 - x2)^2)
import matplotlib.pyplot as plt
import nump
2022-11-10 16:19:10
138KB
1
关于支持向量机SVM算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法
2022-11-10 11:06:13
2.77MB
1
针对电能质量扰动信号的识别问题，提出基于聚类改进S变换与直接支持向量机（SVM）的电能质量扰动识别方法。提出聚类改进S变换方法，该方法结合电能质量扰动信号的特点，可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理，保证特征提取的准确性；将直接支持向量机作为分类器，与最小二乘支持向量机相比，其求解简单，计算复杂度较低，训练与测试速度快，泛化能力较高，并且避免不能保证全局最优解的缺点；将聚类改进S变换与直接支持向量机相结合，应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。
2022-11-08 14:55:29
1.18MB
1
好用的matlab代码，可以使用，效果很好，希望能让您满意
2022-11-07 20:21:33
12KB
1