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，
2021-09-03 09:14:16
33KB
1
matlab
花代码分类-IRIS-
使用
10
折交叉验证报告
IRIS
数据集的分类结果。
从准确率结果可以看出，在
150
个示例中，有些花被误分类了。
代码在matlab上实现。
2021-09-03 09:09:15
6KB
1
行业分类-外包设计-带有卡扣带的包装袋、该包装袋的制造装置、制造方法及折弯用带状构件.zip
2021-09-03 09:05:06
1.71MB
行业分类-外包设计-带有弯折格线的塑料片材、塑料片材用格线刀及包装容器.zip
2021-09-01 14:05:44
990KB