（Matlab）PNN多分类识别、准确率及误差分析、可做智能算法多分类识别对比

SVM（支撑向量机模型）是二（多）分类问题中经常使用的方法，思想比较简单，但是具体实现与求解细节对工程人员来说比较复杂。本文从应用的角度出发，使用Libsvm函数库解决SVM模型的分类与回归问题

基于RBM的深度学习算法 基于多层RBM模型，实现二分类学习算法，目前针对该问题是采用2层RBM,特征输入只有8维，效果并不理想。 功能框架： DBN.py：深度学习主框架，包括数据输入、输入sigmoid转换，RBM层堆叠，softmax层输出。 RBM.py：RBM层框架，包括gibss采样、交叉熵误差验证 dA.py:这个是降噪自动编码器，目前还在研究 SdA.py:，堆叠降噪自动编码器，目前仍在研究 HiddenLayer.py:隐层主要是权值计算与更新 util.py：这主要是最后的softmax函数计算及输出 normal_8.py：输入数据归一化到[0,1] train.txt:训练数据 text.txt:测试数据 基于复杂语言网络的文本分类： 这里面主要包括两部分，一部分是语言网络的生成，另一部分是语言网络的特征抽取。 第一部分采用的数据是twenty-news-group

多分类逻辑回归数据实例

极限学习机的 python实现，可用于回归，多分类问题等。

该文件中包含了迁移学习中TrAdaboost的python代码，二分类。

支持向量机的多分类实现方法及其细节，值得所有的研究SVM的人员参考。。。

连续属性的多分类决策树

基于resnet 18实现的mnist数字多分类（pytorch 框架）识别准确率96%

iris.csv 列名：sepal length，sepal width，petal length，petal width，label 本来找这个的，结果都要好多积分，我就从官网下了一个处理了一下，免费给大家