文件名称：matlab+人口增长代码-Machine-Learning:机器学习
文件大小：21.75MB
文件格式：ZIP
更新时间：2024-06-16 09:18:41
系统开源
matlab +人口增长代码乳腺癌分类器（Logistic回归） 此代码可帮助您使用Logistic回归对恶性和良性肿瘤进行分类 Sourcerer 规范要求 示例代码在Matlab中（或更高版本可以使用）。 您可以安装Conda for python，它可以解析机器学习的所有依赖关系。 描述 Logistic回归是为方法核心使用的函数Logistic函数而命名的。 统计学家开发了逻辑函数，也称为S形函数，用于描述生态中人口增长的特性，该特性Swift增长并在环境的承载能力方面达到最大化。 这是一条S形曲线，可以采用任何实数值并将其映射为0到1之间的一个值，但永远不能精确地位于这些极限值处。 1 /（1 + e ^-值） 想要查询更多的信息， 一些注意事项 数据集-UCI-ML 我仅使用32个功能中的2个进行分类。 工作实例 执行 要运行代码，请输入run breast_cancer.m run breast_cancer.m Python实现 数据集-UCI-ML 我使用了30种功能进行分类 我使用的是1 =良性和2 =恶性，而不是0 =良性和1 =恶性 准确度〜92％ 执行 要运行
【文件预览】：
Machine-Learning-master
----.gitignore(649B)
----breast_cancer.gif(3.38MB)
----breast_cancer_python()
--------cancer_data_heading.xlsx(8KB)
--------cancer_data.csv(85KB)
--------B_Cancer.py(6KB)
--------cancer_data_y.csv(838B)
--------test_cancer_data_y.csv(300B)
--------.idea()
--------test_cancer_data.csv(31KB)
----breast_cancer()
--------cancer_data_heading.xlsx(8KB)
--------cancer_data.csv(121KB)
--------B_Cancer.py(3KB)
--------cancer_data_y.csv(1KB)
--------plotData.m(801B)
--------sigmoid.m(137B)
--------costFunction.m(241B)
--------.idea()
--------plotDecisionBoundary.m(1KB)
--------breast_cancer.m(737B)
----Logistic-Function.png(5KB)
----b_cancer_python.gif(18.66MB)
----LICENSE.txt(1KB)
----readme.md(4KB)
----.gitattributes(378B)