公元2022年，春天还未走远。正值5月份，学生正苦于考试周的triviality。鄙人也是其中一员。某一在完成模式识别实验时，苦于寻一份代码。忆及那时花费了数分钟在茫茫互联网中找寻相关资料，但大部分都是付费资源。那时，我深感当今中文互联网环境之差，但是鄙人无可奈何，终究是破费寻之。我今天将之公之于众，作为我对于黑暗的中文互联网的抗议，作为网络精神最后的继承者，这篇pdf就于此留下罢。

本文来自于jianshu，文章介绍了神经网络的搭建并训练，构造评估对象，用测试集做评估的相关内容。Deeplearning4j是一个java编写的深度学习商业框架，可以通过他们提供的API快速搭建出神经网络。根据官网的下载的demo中的MLPClassiferLinear(多层感知线性分类器)，训练Titanic数据，求生存分析。MLPClassiferLinearidea中该类所在的位置Titanic数据，数据集来自kaggle训练集：泰坦尼克数据测试集：泰坦尼克数据然后依葫芦画瓢，照着MLP的样子打代码。神经网络参数一开始时设置神经网络的参数，根据官网介绍这些参数设置和最终训练的结果有比较

lda（线性分类器）的网络学习资料，及matlab代码

北京邮电大学计算机学院鲁鹏老师的计算机视觉与深度学习课程第三章：线性分类器

第一部分为特征提取部分，源码在程序代码文件夹的gist descriptor下的ImgGist.m，ImgGist2.m，ImgGist3.m，ImgGist4.m，ImgGist5.m，ImgGis6.m文件中，其中ImgGist4.m是对测试数据集的特征提取，另外5个是分别对5个训练集的数据提取，提取的原理是现将每10000副用3072维向量表示的数据集通过红绿蓝三色的叠加表示成1024维的向量，再将这1024维向量转换为32*32的图片，在调用LMgist进行特征提取，结果用512维的向量表示。提取的特征值分别保存在gist1.mat，gist2.mat，gist3.mat，gist4.mat，gist5.mat，gist6.mat之中（由于数据过大，这里就上传一个训练集提取特征值gist1.mat和一个数据集提取特征值gist4.mat）。第二部分为线性分类部分，主要用到的两个功能函数是model和[predicted_label, accuracy, prob_estimates]，首先是将提取的5个训练集的特征值转换成一个50000*512的矩阵Traindata[ 50000,512]，在提取各个训练数据集的标签组合成一个50000*1的矩阵datalabel[50000*1]，并将之训练得出模型model，再利用已得的model将测试集的特征值进行预测与已知的标签值进行比较的到准确率。

纯手些代码，python，线性分类与决策树 MS泰坦尼克号的沉没是历史上最臭名昭着的沉船之一。 1912年4月15日，在首航期间，泰坦尼克号撞上一座冰山后沉没，2224名乘客和机组人员中有1502人遇难。 这一耸人听闻的悲剧震撼了国际社会，导致了更好的船舶安全条例。预测是否有乘客幸存下来的泰坦尼克号。

基于C4.5的决策树算法，一种非线性分类器。matlab代码，用于学习用

支持向量机是机器学习领域的研究热点之一,其理论基础是统计学习理论.该文严谨且通俗地描述了这一理论的概貌,并提出有附加信息的统计学习理论的设想.

这里写自定义目录标题一、关于Fisher算法的主要思想与数学计算步骤已在上次博客中有讲到。二、用scikit-learn库中也有LDA的函数，下面给出测试代码三、完成Iris数据集的 Fisher线性分类，及实现可视化 一、关于Fisher算法的主要思想与数学计算步骤已在上次博客中有讲到。 若不会清楚，请访问次链接 二、用scikit-learn库中也有LDA的函数，下面给出测试代码 from sklearn import datasets, cross_validation,discriminant_analysis #####################################

感知器进行线性分类，结果经过验证，希望可以帮到有需要的人