文件名称：matlab10折交叉验证knn代码-Machine-Learning-Research-Transportation:机器学习研究运输
文件大小：141.36MB
文件格式：ZIP
更新时间：2024-06-16 13:59:47
系统开源
matlab 10折交叉验证知识代码简介：预测和可视化的结果位于“结果”文件夹下。 那些ML模型预测的是每条记录的位置，而html文件可视化的是车辆加速和访问的前10个位置。 这些html文件由Python脚本生成，将位置速度限制与汽车记录进行比较，并计算所有位置的频率。 原始数据集（位于文件夹“ 1-data-preprocessing”中）： linkinfo-copy.csv：包含传感器信息的excel文件 traffic-csv文件夹：该文件夹包括从04/2015到12/2016的所有流量记录 源代码： 1-data-preprocessing文件夹：该文件夹包括有关数据预处理的所有脚本（步骤1） 2-ml-model：包含所有机器学习脚本的文件夹（第2步） 3-可视化：该文件夹包括有关可视化的所有脚本（第3步） 补充材料： 纸文件夹：包含我用作参考的所有纸的文件夹 结果文件夹：该文件夹包含屏幕截图和ML预测和可视化结果的输出 ================================================== =========================
【文件预览】：
Machine-Learning-Research-Transportation-master
----paper()
--------ExamplePapers()
--------Paper_5-Performance_Comparison_between_Na媣e_Bayes.pdf(746KB)
--------2.pdf(353KB)
--------ch4.pdf(441KB)
--------ml-performance.pdf(746KB)
--------3.pdf(252KB)
--------decision-tree.pdf(1.33MB)
--------4_svm.pdf(251KB)
--------decision-tree-2.pdf(169KB)
--------knn.pdf(97KB)
--------CART.pdf(968KB)
--------1.pdf(1004KB)
----Result()
--------tree-topk-speeding-result.html(9KB)
--------tree-topk-visited-result.html(13KB)
--------SVM-Linear.png(16KB)
--------KNN.png(16KB)
--------Decision-Tree.png(16KB)
--------sensor.html(159KB)
----1-data-preprocessing()
--------2-get-speed-mean-to-db.py(2KB)
--------4-read-month-traffic-test-data-to-db.py(2KB)
--------3-read-month-traffic-data-to-db.py(2KB)
--------traffic.db(3.31MB)
--------linkinfo-copy.csv(61KB)
--------1-write-original-sensor-to-db.py(880B)
--------traffic-csv()
----Readme.md(4KB)
----.idea()
--------dataSources.xml(475B)
--------misc.xml(253B)
--------vcs.xml(180B)
--------modules.xml(290B)
--------workspace.xml(57KB)
--------dataSources.local.xml(528B)
--------CSS581-Term-Project.iml(398B)
--------inspectionProfiles()
--------dataSources()
----3-visualization()
--------test_result.mat(5KB)
--------topk-visited-result.html(13KB)
--------visualize-top-k-speeding.py(2KB)
--------topk-speeding-result.html(9KB)
--------traffic.db(3.31MB)
--------visualize-top-k-visited.py(2KB)
--------original-visualize.py(1KB)
--------sensor.html(159KB)
----2-ml-model()
--------test_result.mat(5KB)
--------ml_knn_cross_validation.m(2KB)
--------ml_svm_linear.m(888B)
--------traffic.db(3.31MB)
--------ml_svm_poly.m(702B)
--------ml_knn.m(939B)
--------ml_decision_tree.m(995B)
--------LoadData.m(1KB)
----Software demo.pdf(1.38MB)