ID3和C4.5决策树学习算法的实现
通过使用ID3和C4.5算法实现决策树并生成F1分数。
在UCI机器学习蘑菇数据集上进行测试
入门：将“ Project1_N01412075_Resubmission”文件夹下载到本地驱动器。
This folder has
1) Project1_Mushroom_DT_N01412075.py - A file that contains source code for the implementation.
2) Mushroom folder that has 10 smaller training files(used for cross validation), 1 larger training file (which is a concatenation of all the smaller files) and a final
2021-09-29 11:20:29
311KB
1
代码实现李航统计学习经典算法，包含EM，SVM，决策树等
2021-09-28 16:02:39
26.61MB
6本程序中，将乳腺肿瘤病灶组织的细胞核显微图像的 10 个量化特征作为模型的输入，良性乳腺肿瘤和恶性乳腺肿瘤作为模型的输出。用训练集数据进行随机森林分类器的创建，然后对测试集数据进行仿真测试，最后对测试结果进行分析。
2021-09-28 14:00:31
463KB
两步降噪 (TSNR) 技术消除了恼人的混响效应，同时保持了决策导向方法的优势。 然而，包括 TSNR 在内的经典短时降噪技术会在增强语音中引入谐波失真。 为了克服这个问题，实现了一种称为谐波再生降噪 (HRNR) 的方法，以改进用于计算频谱增益的先验 SNR，如 Plapous 等人提出的那样，能够保留语音谐波。 （“用于语音增强的改进的信噪比估计”，IEEE Transactions on ASLP，第 14 卷，第 6 期，第 2098 - 2108 页，2006 年 11 月）。
%% 带有嘈杂语音文件 car.wav 的示例>> [x,fs] = audioread('car.wav'); >> [out,~] = WienerNoiseReduction(x,fs,10000) % 前 10000 个样本是噪声样本（不含语音） >> soundc(out(1:122000)
2021-09-28 10:58:33
222KB
1
基于VPFRS的企业IT外包风险评价群决策模型，丛国栋，张金隆，IT外包风险评价是IT外包风险管理过程的重要环节，只有对风险进行恰当的评估才能制定合适的风险应对计划，进行风险监测，并最终有�
2021-09-26 23:38:21
309KB
1
基于最小风险的贝叶斯决策
Bayes最小风险决策通过保证每个观测值下的条件风险最小，使得它的期望风险最小。
决策规则：
2021-09-26 20:03:09
3.3MB
1