一个由Mike Gashler完成的机器学习方面的includes neural net, naive bayesian classifier, decision tree, KNN, a genetic algorithm, and some manifold learning algorithms. -by Mike Gashler a complete machine learning includes the neur al net, naive bayesian classifier.

分类是数据挖掘 、机器学习 和模式识别 中一个重要的研究领域。分类的目的是学会一个分类模型 (称作分类器)，该模型能把未知类别的数据项映射到给定类别中。目前发展较成熟的几种分类算法 如决策树、神经网络、贝叶斯方法、遗传算法等。分类具有广泛的应用，例如医学诊断、信用卡系统的信用分级、图像模式识别等。本毕业设计通过使用鸢尾属植物(IRIS)数据集，对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。-Classificatio

结合遗传算法和SVM分类器方法对特征基因进行筛选-Combined with genetic algorithm and SVM classifier feature gene screening

一个遗传算法优化神经网络的分类器，可用于模式识别。(A genetic algorithm optimizes the classifier of neural network, which can be used for pattern recognition.)