这次数据集使用的是iris数据集,也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据样本,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。 使用BP神经网络进行实现,代码部分总共为两个版本,分别是CPU版本和GPU版本。
2022-07-03 21:21:55 51.41MB BP神经网络
1
BELMKN:贝叶斯极限学习机Kohonen网络 无监督的极限学习机(ELM)是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取,聚类预测,最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习,使用贝叶斯信息准则(BIC)预测数据集中的聚类数,最后使用k-means,自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机:在此模块中,使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法,其中输入层和隐藏层之间的权重被随机初始化,并且使用目标函数计算隐藏层和输出层之间的权重。 因此,可以保证收敛于全局最小值。 贝叶斯信息准则:贝叶斯信息准则是一种统计方法,使用d来找出数据集中的聚类数。 它使用期望最大化(EM)算法来查找数据集中的
1
Suppot-Vector-Machine-IRIS:使用SVM对IRIS数据集进行实验
2022-05-16 14:41:37 139KB JupyterNotebook
1
不调包,手打实现人工神经网络,导入iris数据集,输入层4节点,隐藏层5节点,输出层3节点,可定义学习率和训练次数。正确率达在85~95波动
2022-05-07 16:13:24 4KB Ry
1
内部包含Iris数据集、帕尔默企鹅数据集、共享单车需求数据集、葡萄酒分类数据集、波士顿住房数据集、电离层数据集、Fashion MNIST 数据集、威斯康星州乳腺癌(诊断)数据集、情绪分析Sentiment 数据集、BBC 新闻数据集、垃圾短信分类器数据集、CelebA 数据集、纸币验证数据集、皮马印第安人糖尿病数据集、小麦种子数据集、鲍鱼数据集、MNIST数据集等,包含数据集及详细的数据集简介,帮助你快速找到需要的数据集。
2022-04-06 21:55:47 188.41MB 机器学习 分类 big data
1
该数据集有3个类virginica,versicolor和setosa,每类50个样本;每个样本是一个4维的特征向量,萼片长,萼片宽,花瓣长,花瓣宽;virginica和versicolor有很多重叠。可用于算法的检测,是常用的测试数据
2022-04-04 15:25:19 5KB IRIS数据集
1
具体说明见:http://blog.csdn.net/java1573/article/details/78865495
2022-03-18 21:54:29 3KB skearn 机器学习 iris
1
从UCI上下载的iris数据集,经过处理可以用于svm。格式如下: 0 1:5.1 2:3.5 3:1.4 4:0.2 0 1:4.9 2:3.0 3:1.4 4:0.2 0 1:4.7 2:3.2 3:1.3 4:0.2 0 1:4.6 2:3.1 3:1.5 4:0.2 0 1:5.0 2:3.6 3:1.4 4:0.2 0 1:5.4 2:3.9 3:1.7 4:0.4
2022-03-15 18:48:32 4KB svm iris 鸢尾花 支持向量机
1
iris数据集是机器学习中常用的数据集,也是很经典的一个数据集。文档中包含csv版和txt两个版本。
2022-03-14 17:16:10 2KB iris数据集 csv版 txt版
1
UCI Iris数据集和glass数据集,常用的数据挖掘测试数据集
2022-02-11 13:27:21 1.05MB UCI Iris glass
1