文件名称：求matlab代码最小生成树-mlAlgorithms:ml算法
文件大小：1.32MB
文件格式：ZIP
更新时间：2024-06-11 00:59:47
系统开源
求matlab代码最小生成树机器学习算法 该存储库包含使用Python和Matlab从头开始实现的几种机器学习算法。 每种算法将在下面简要说明。 大多数数据集取自UCI。 如果数据是从UCI数据集中获取的，则提到该名称。 否则，您可以在/ data文件夹中找到数据集。 原始SVM Primal svm正在寻找以下方程式的最小值。 （1/2）|| w || ^ 2 我们使用以下matlab内置的quadprog方法来解决此二次问题。 x = Quadprog（H，f，A，b）; 其中x = [wb] H = [I 0; 0 0] A是对角线（Y）*单独是X的向量，最后一列是b的向量是1的向量 数据集 正在使用神秘数据集。 运行程序和结果显示 文件名为primalSVM.m。 只需提供神秘数据集的正确路径并运行代码即可。 权重和偏差的值将与支持向量一起打印。 感知器-梯度下降 下图说明了感知器的实现细节。 数据集 使用感知器数据集。 运行程序和结果显示 文件名是perceptron / perceptronLearning.py。 只需为感知器数据集提供正确的路径并运行代码即可。 每次迭代
【文件预览】：
mlAlgorithms-master
----naive_guassian.m(2KB)
----images()
--------adaboost.png(146KB)
--------decisiontree_entropy.png(31KB)
--------perceptron.png(117KB)
--------perceptron(1B)
--------dual.png(137KB)
--------stochastic_gradient.png(115KB)
--------EM_BN.png(44KB)
--------svmwithslack.png(99KB)
--------naive_bayes.png(50KB)
--------pca_featureSelection.png(79KB)
--------infogain_BN.png(6KB)
----data()
--------mystery.data(50KB)
--------perceptron.data(50KB)
----dualSvm.m(3KB)
----bayesianMissingAttr.py(4KB)
----primalSvm.m(546B)
----adBoost.py(6KB)
----kNearest.py(3KB)
----bayesianNW.m(1KB)
----primalSvmWithSlack.m(2KB)
----decisionTreeMushroom.py(3KB)
----readme.md(9KB)
----naivePca.m(3KB)
----ps()
--------ps1.pdf(124KB)
--------ps4.pdf(119KB)
--------ps3(1).pdf(88KB)
--------ps6.pdf(166KB)
--------ps2.pdf(89KB)
--------ps5.pdf(84KB)