Python+随机森林模型预测机票价格，建立一个机器学习模型，根据历史数据预测未来航班的价格，这些航班价格可以给客户或航空公司服务提供商作为参考价格。
（.ipynb请用jupyter打开）
2022-08-15 17:15:20
661KB
011_基于随机森林算法(RF)的数据分类预测 Matlab代码实现过程，调用TreeBagger函数实现
2022-08-15 10:05:39
72KB
1
010_基于随机森林算法(RF)的数据回归预测 Matlab代码实现过程，调用TreeBagger函数实现
2022-08-14 12:05:00
14KB
1
实验中所使用的样本来自点火实验中所拍摄的现场图片以及网络上森林火灾的相关图片。训练集中有 968 张森林背景图片，946 张复杂的森林火灾图片;测试集中有80 张森林背景图片，102 张复杂的森林火灾图片。训练集与测试集每一张图片均不重复。
针对森林火灾的特点，提出并设计一种基于卷积神经网络的森林火灾图像识别方法。通过实验，给出用于复杂背景下森林火灾识别的卷积神经网络结构，并对该结构进行训练和测试。结果表明，该方法具备较高的正确率，正确率达到 95% 。同时网络可自动提取特征，无需对输入图像进行复杂预处理，克服了传统算法许多固有的缺点，将其应用在森林火灾识别领域取得了很好的效果。最后，我们结合flaks框架构建了一个森林大火识别的API，在该系统下，我们通过后端调用模型，在页面中选择上传的图片，便可获得预测结果。
2022-08-04 16:05:37
19.36MB
1
森林野火烟雾检测数据集，用于野外起火的烟雾场景检测。 数据集已全部标注，标注格式为txt格式，包含训练集516张、验证机147张和测试集74张。
2022-07-30 12:05:08
27.53MB
1
本文实例讲述了Python实现的随机森林算法。分享给大家供大家参考，具体如下：
随机森林是数据挖掘中非常常用的分类预测算法，以分类或回归的决策树为基分类器。算法的一些基本要点：
*对大小为m的数据集进行样本量同样为m的有放回抽样；
*对K个特征进行随机抽样，形成特征的子集，样本量的确定方法可以有平方根、自然对数等；
*每棵树完全生成，不进行剪枝；
*每个样本的预测结果由每棵树的预测投票生成（回归的时候，即各棵树的叶节点的平均）
著名的python机器学习包scikit learn的文档对此算法有比较详尽的介绍: http://scikit-learn.org/stable/modules/en
2022-07-19 15:54:44
84KB
1
随机森林图像matlab代码denoising-metrics_CVC2019
CVC2019论文的一个实现：Si
Lu，使用MATLAB的“无参考图像降噪质量评估”（）
参考
司璐，“无参考图像降噪质量评估”。
计算机视觉会议，CVC
2019，拉斯维加斯。
执照
仅用于学术用途。
保留本文作者的所有权利。
如果您有任何疑问，意见或建议，请通过或与Si
Lu联系。
如果您使用这段代码，请引用我们的论文。
设置
编译：在文件夹核心中，运行
mex
srMex.cpp
预先训练的模型（需要进行降噪质量评估。）：访问以下载具有完整的预先训练的随机森林模型的代码。
演示版
usage:
demo
图像去噪质量评估
usage:
[score,psnr]
=
denoisingMetrics(noisyImgName,
denoisedImgName,
cleanImgName);
input
arguments:
noisyImgName:
the
name
of
the
noisy
image
to
be
denoised
denoisedImgName:
the
name
of
the
2022-07-12 15:31:04
4.9MB
1