matlab 10折交叉验证知识代码分类算法评估 介绍 该项目的目标是基于以下内容评估一组分类器： 准确性 敏感性和 特异性 资料集 该项目使用的数据集是从乳腺癌数据库中获得的，可以找到。 快速描述如下： 实例数为699。 每个实例具有2种可能的类别之一：良性（65.5％）或恶性（34.5％），分别由2和4表示，稍后用-1和1代替。 每个实例具有9个按[1-10]比例缩放的属性以及类标签。 缺失的属性（总共16个）被替换为最常出现的值。 分类器 在此项目中评估的分类器以及为其属性设置的值是： 贝叶斯 概率分类器，通过基于实例具有的属性值来估计该实例最有可能属于哪个类，从而为该实例分配一个类标签。 先验概率根据data-description.txt，将良性和恶性分别设置为0.655和0.345的那些 K最近邻居 在这种情况下，对象通过其邻居的多次投票进行分类。 打破领带 如果是平局，则使用最接近的级别。 k选择 为了优化性能，将k设置为训练集大小的平方根。 通常，较大的k值会减少噪声对分类的影响，但会使类别之间的界限不那么明显。 邻居效应 为了使距离较近的邻居比距离较远的邻居贡献更多，

vuecli-脚手架学习项目代码.zip

这是一个仅供参考的学习项目

【机器学习项目实战】Python实现聚类(Kmeans)分析客户分组 资料说明：包括数据集+源代码+Word文档说明。 资料内容包括： 1)问题定义； 2)数据收集； 3)数预处理； 4)探索性数据分析； 5)聚类模型； 6)聚类可视化； 7)实际应用。

Python实现GA(遗传算法)对SVM分类模型参数的优化资料说明：包括数据集+源代码+Word文档说明。 资料内容包括： 1)需求分析； 2)数据采集； 3)数据预处理； 4)探索性数据分析； 5)特征工程； 6)机器建模； 7)模型评估； 8)实际应用

MI-LSTM:预测收盘价的深度学习项目

这是关于《.NET Core WebApi》中使用Log4日志、AOP异常拦截器、缓存机制、数据库操作、文件分片上传、下载和跨域的项目工程源码。

600套精选安卓APP源码 Android开发学习项目实例600套精选安卓APP源码 Android开发学习项目实例600套精选安卓APP源码 Android开发学习项目实例

bubble_gin+gorm学习项目_未分层

bubble_gin+gorm学习项目_未分层