搜索资源列表
2005S9568
- feature selection from iris data set it will use statistical methods and get the best set of features then use graphs to classify the data-feature selection from iris data set it will use statistical methods and get the best set of features then us
ExperimenterTutorial-3.5.3
- WEAK 开发环境简介，介绍了WEKAWeka 试验（Experiment）环境可以让用户创建，运行，修改和分析算法试验，这会比单独的处理 各个算法更加方便。例如，用户可创建一次试验，在一系列数据集上运行多个算法（schemes），然后 2 分析结果以判断是否某个算法比其他算法（在统计意义下）更好。 可以通过Simple CLI 在命令行的方式下运行试验环境。例如，在CLI 上键入以下命令，将通过一 个基本的训练和测试步骤在Iris 数据集上运行OneR 算法。（注意该命令应
K-MEANS
- 数据挖掘，K-means源码，数据集为iris-Data mining, K-means source code for the iris data set
cure
- 数据挖掘，CURE算法实现，数据集为iris-Data mining, CURE algorithm, the data set for the iris
DIANA
- 数据挖掘，DIANA算法实现，数据集为iris-Data mining, DIANA algorithm, the data set for the iris
Cmeansclusteringmethods
- 本算法在vc++6.0中进行实验。分别就分解聚类和C-均值聚类两种方法在IRIS数据集上进行操作。分类前先将数据集中的样本顺序打乱形成混合数据。分解聚类中，采用前100个样本用对分法编制程序将数据分为两类。C-均值聚类采用全部的150个样本，将类别参数K设为3，将数据分为三类。-The algorithm in vc++6.0 in the experiment. Separate cluster and decomposition of two C-means clustering metho
iris
- 用自组织特征映射神经网络对Iris数据集进行分类，我用神经网络工具箱编写了个简单的程序，实现iris的分类。-Using self-organizing feature map neural network examples of clustering Iris data set classification, I use neural network toolbox to write a simple program, realize the classification of Iris.
iris
- iris数据集 可以用于分类算法测试 如神经网络各种算法等-iris data set for the classification algorithm test
ID3
- 决策树分类算法的实现和性能测试,使用UCI Iris Data Set进行测试。-Implementation and performance testing of the decision tree classification algorithm
ANN_BP--classifier
- ANNbp对UCI中鸢尾花数据集分类，150做训练样本，剩下150做测试样本-ANNbp on the UCI iris data set classification, 150 training samples, the remaining 150 test samples
txt_to_shuzu
- 用C语言读取Iris数据集，并以二位数组的形式输出，并附有Iris的数据集。程序清晰易懂，运行成功。-Using C language to read Iris data set, and two-digit group in the form of output, together with the Iris data set. Procedures clear and understandable, running successfully.
irisdata
- iris数据集，matlab可以直接导入-iris data set, matlab can be directly imported
Parallel-axis
- 平行坐标轴是可视化的一种传统方法，用于模式识别聚类等，数据是‘鸢尾花数据集’，有较好的分类效果。-Parallel to the axis is a traditional way to visualize, used for clustering and pattern recognition, data is the iris data set, have better classification effect.
PCA
- PCA基于Iris数据集，用于统计学习作业。是非常好用且鲁棒的方法。有利于学习统计学习PCA和matlab。-PCA based on Iris data set, used in statistical learning assignments.It is very convenient and robust method.Is advantageous to the study of statistical learning PCA and matlab.
iris
- 著名的统计学家R.A.Fisher在20世纪30年代中期提出来的鸢尾花数据集(The famous statistician R.A.Fisher introduced the iris data set in the mid 1930s)
Matlab实现
- 采用Iris数据集，实现神经网络bp算法。(Iris neural network BP algorithm is implemented by using data set.)
BP-classifer
- iris数据集 用于BP神经网络分层(The iris data set is used for BP neural network delamination)
iris
- iris数据集的XLS文件，方便matlab使用(The iris data set of XLS files, easy to use)
k_means
- 利用K均值算法对Iris数据集进行聚类，实现Iris数据集的无监督学习。(K-means algorithm is used to cluster iris data set to realize unsupervised learning.)
鸢尾花 数据的处理
- MATLAB 利用Fisher分析和核Fisher分析对鸢尾花数据集进行分类，可以发现Kfisher 可以较好地对非线性数据的分类(MATLAB USES Fisher analysis and core Fisher analysis to classify the iris data set, and it can be found that Kfisher can classify the nonlinear data well)