采用k近邻分类器对mnist数据集进行十分类。且里面包含mnist数据集。代码采用matlab编写，可以直接运行。

针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型。该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器,对各个基本分类器进行组合。采用该模型对UCI数据集进行实验,结果显示该模型对于非平衡数据分类有较好的效果。

包括讲解KNN的ppt与用python实现的可以正常运行的KNN代码。

201801最近邻法与模拟退火算法求解TSP旅行商问题Matlab程序.pdf

常见的主动学习方法分为三类，分别是基于membership的主动学习，基于流的主动学习和基于池的主动学习。本文针对基于池的主动学习方法研究，通过对无标记的数据进行价值评价，然后价值高低的排序，从而得到最佳无标签数据，并且进行对最佳的无标签数据打标，并入到训练集合中，最后进行模型和分类器的训练，以便得到最佳效果。 具体来说，使用基于熵的不确定性方法和基于margin策略的不确定性度量方法进行价值评价，在无标签数据中，找到奇异样本点，也就是最有价值的样本点，然后进行打标，进入到训练样本中。最后进行支持向量机，贝叶斯分类器和最近邻三种分类器训练，并且在UCI的三个数据集合上进行实验，相比随机样本，基于熵的不确定方法和基于margin策略的不确定主动学习方法，其分类准确率更高。

K近邻法分类待测样本点，模式识别实验内容之一，用MATLAB生成随机样本点作为样本集，用样本集将考试集分类。 K近邻法分类待测样本点，模式识别实验内容之一，用MATLAB生成随机样本点作为样本集，用样本集将考试集分类。

编写程序通过最近邻插值和双线性插值等算法将用户所选取的图像区域进行放大和缩小整数倍的操作，并保存，比较几种插值的效果。

数据挖掘课程实验作业，在参考网上一些资源的情况下完成的，实验结果正确率达将近百分之九十

可以直接执行的matlab程序，内含数据资料，是我在学习过程中总结的，对于新学MLKNN的小伙伴很有帮助，希望可以采纳，有问题可以多多讨论

目录一、插值与图像缩放二、最近邻插值1、原理2、代码实现三、双线性插值1、原理2、代码实现 一、插值与图像缩放   首先举个例子说明插值过程，先看看matlab的插值函数 interp() 吧： x = -2 : 1 : 2; y = -2 : 1 : 2; [X, Y] = meshgrid(x, y); Z = -X.^2 - Y.^2; p = -2 : 0.33 : 2; q = -2 : 0.33 : 2; [P, Q] = meshgrid(p, q); V1 = interp2(X, Y, Z, P, Q, 'nearest'); % 最邻近插值 V2 = interp2(X,