搜索资源列表
KNN
- K最近邻(K-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。-KNN algorithm
Classification
- VC++中实现K近邻分类方法，实验数据是著名的iris数据库，此方法是数据挖掘，机器学习，人工智能等课程中重要的分类算法。-K-nearest neighbor classification VC++, experimental data is the famous iris databases, data mining, machine learning, artificial intelligence courses classification algorithm.
NN1akNN
- 实现机器学习中的最近邻算法——1-NN和k--Realization of machine learning algorithms 1-NN nearest neighbor and k-NN
KNN
- 《机器学习实战》K近邻算法的代码实现以及数据，真实可靠，欢迎使用-" Machine learning real" K nearest neighbor algorithm code and data, real reliable, welcome
KNN
- 自己实现机器学习十大算法中的k最近邻算法，经过测试，算法运行很好-Own machine learning algorithm to achieve the k nearest neighbor algorithm, tested, the algorithm runs very well
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
kNN
- 机器学习实战中，K近邻算法的实现。包括算法实现，算法分类测试-Machine learning combat, the realization of K nearest neighbor algorithm. Including the algorithm, the algorithm classification test
kNN
- 通过k近邻算法实现数字识别，主要包含0-9之间的所有数字。(Digital identification is realized by K nearest neighbor algorithm.)
MachineLearning-master
- 机器学习算法，包括knn等，K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。(machine learning algorithm)
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