文件名称：求matlab代码最小生成树-Code-Samples:代码样本
文件大小：16.41MB
文件格式：ZIP
更新时间：2024-06-11 00:58:39
系统开源
求matlab代码最小生成树代码样本 [1] .gabelok_QDA_train.m，gabelok_QDA_test.m，gabelok_LDA_train.m，gabelok_LDA_test.m，gabelok_assignment3_2b.m gabelok_QDA_train.m，gabelok_QDA_test.m，gabelok_LDA_train.m，gabelok_LDA_test.m是实现高斯判别分析分类器的示例。 QDA或二次判别分析和LDA或线性判别分析分类器是高斯判别分析技术，它是多变量法向（MVN）的应用，它是连续变量中使用最广泛的联合概率密度函数。 它在我的作业中用于多类别分类。 gabelok_assignment3_2b.m通过将数据分为训练集和测试集，学习训练集上的分类器并预测测试集中相同词的分类标签并计算性能指标来完成分类。 数据在data_iris.mat中提供 [2]。 gabelok_assignment3_4b.m，gabelok_assignment3_4c.m，gabelok_assignment3_4d.m gabelok_assi
【文件预览】：
Code-Samples-master
----data_mnist_train.mat(11.02MB)
----gabelok_assignment3_4b.m(1KB)
----test-1-MST.txt(11B)
----data_knnSimulation.mat(3KB)
----gabelok_LDA_train.m(2KB)
----data_iris.mat(1KB)
----data_mnist_test.mat(1.82MB)
----Dependent_Case.m(1KB)
----gabelok_QDA_test.m(1KB)
----PaperSim.m(941B)
----gabelok_assignment3_2b.m(2KB)
----project4.cpp(12KB)
----test-2-MST.txt(114B)
----[SE714]FINAL REPORT.pdf(705KB)
----data_cancer.mat(2.96MB)
----gabelok_LDA_test.m(1KB)
----README.md(6KB)
----gabelok_assignment3_4d.m(373B)
----gabelok_assignment3_4c.m(1KB)
----gabelok_QDA_train.m(2KB)