搜索资源列表
OnlineSVR_C--_Code
- 在网上看到的一个在线SVR(支持向量机回归)的C++代码,希望对大家有帮助
SVM-KMExample
- 对应支持向量机的一些应用的原代码,下载存放在WORK文件夹下即可
SSVM
- 这是超球面支持向量机的程序代码，对支持向量机油兴趣的同学 可以下载来学习-This is the hypersphere support vector machine code, the support vector machine oil Interested students can download to learn
huishangguanlian
- 相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好.--Relevance Vector Machine (RVM) of the mat
SVM
- 支持向量机源程序代码，用此程序可以进行数据的分类-Support vector machine source code, using this program can be used for data classification
SVM
- 该程序是用R软件实现的，支持向量机的代码。-the code of SVM
LIBSVMGUI20150708
- matlab中的GUI界面代码（可用于实现界面显示）和SVM支持向量机代码（最热分类方法）-Matlab GUI interface code (available for implementation interface display) and SVM support vector machine code (the hottest classification method)
mechine-learning
- 本书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。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
06 支持向量机（Support Vector Machine, SVM）
- 支持向量机代码，很好用的，适合初学者，一起交流一起进步(Support vector machine code, very good, suitable for beginners, together with the progress of communication)
常用算法的代码
- 包括神经网络，决策树，随机森林，支持向量机等，利于初学者学习进步。