随机森林分类器

性格 基于Web的字符排序器。 允许用户手动完成一组集合中他们喜欢的字符的手动合并。 特征 完全是客户端，不需要后端服务器。 根据基于JSON的过滤器过滤掉字符。 排序器结果的共享链接。 排序器数据的版本控制-您可能希望随着时间的推移添加字符和资源。 版本控制使可共享链接保持有效，即使更改了基本字符数据也是如此。 此仓库中的版本是为游戏系列中的角色而打造的，但可以轻松地编辑分类器以创建所需的任何自定义分类器。 相关分拣机 其他一些人根据其他概念和系列创建了其他分拣机，请！ 创建自己的分拣机 这是您需要为每个文件的排序器更改的内容的列表。 index.html 排序者名称：在starting start button和<title>标记下更改。 起始横幅图片：120px x 180px，在left sort image和right sort image 。 OpenGrap

Udacity Capstone项目狗品种分类器 Udacity Capstone项目狗品种分类器 项目概况 提议的问题是对狗和人的图像进行分类，以估计更接近犬的品种。 给定狗的图像，该算法将识别犬的品种的估计值。 如果提供了人像，则代码将识别出类似狗的品种。 从初始数据集中，将存储图像的子集以进行测试，以测量估计的质量。 项目说明 该代码是使用AWS Sagemaker的笔记本实例开发的。 一切都旨在与jupyter实验室环境pytorch_p36一起使用，并利用SageMaker培训和端点功能。 数据集 。 它包含133个品种的狗图像。 。 它包含用于训练面部检测器的名人图像。 目录和文件 haarcascades /：文件夹，其中包含opencv进行面部检测所需的xml文件。 images /：测试笔记本的图像。 lambda /：包含带有lambda功能代码的文件的文件夹。

【SVM分类】基于自适应蚁狮算法优化SVM分类器实现胃肠道病变附matlab代码

基于分词与BP网络的文本分类 首先下载整个文件，BP文本分类-语义特征提取.rar主要存放了相关的数据集 代码主要包括： 1.特征提取 首先对文本信息进行分词处理，采用基于字符串匹配的方法： 依次截取一到多个词，并与字典库进行匹配。如二狗，如果匹配到字典中有这个词，则将其分为一个词；发现字典中没有与之匹配的，则说明这个不是一个词语，进行顺序操作， 2.得到分词后的文本之后，就是转换成数字编码，因此电脑没办法识别汉字。这一部分叫特征表示，即用数字的方式表示中文文本，采用的方法是基于词带模型的特征表示 3.通过2我们将文本表示成了数字，但是这样的表示通常都是稀疏的，为此我们利用降维方法，消除掉这些冗余特征。 4. 文本分类，采用的就是bp网络（1）如pca的降维数，维数过高，包含冗余数据，过低又会删除掉重要信息。（2）bp网络结构的调整，如隐含层节点数，学习率等

python鸢尾花数据基于sklearn使用不同的机器学习分类器，包括KNN、逻辑回归、决策树、梯度提升、AdaBoost、随机森林、高斯朴素贝叶斯、多项式朴素贝叶斯、线性判别分析、二次判别分析、支持向量机

级联分类器 人脸识别 + 车辆识别 训练模型，样本数据采集比较完善，想要学习人脸识别的朋友们自己在博主资源里下载领取哦！

心血管疾病使用决策树和随机森林分类器 决策树算法可用于预测心血管疾病并使用随机森林分类器和探索性数据分析来提高准确性

传统的赤潮藻鉴定主要依赖经验丰富的藻类专家依据种的生物形态学特征在显微镜下通过人工目视判读、分类，该方法存在专业水平高、分类人员断层、耗时费力等问题。基于赤潮藻类细胞生物形态学分类特征，通过对藻类细胞3种细节特征(有无角毛、横纵沟、尖顶刺)进行有效的自动提取和描述，提出了显微图像自动分类识别的思想。设计三级两类分类器，建立树状判别体系，将大样本集有效划分为小样本集，构建赤潮藻显微图像自动诊断识别系统，结果表明：多级分类器的设计思想减少了训练时间，提高了识别准确率。

平滑分类器认证稳健性的一致性正则化 (NeurIPS2020) 该存储库包含和的论文“平滑分类器的证明稳健性的一致性正则化”代码。 依存关系 conda create -n smoothing-consistency python=3 conda activate smoothing-consistency # IMPORTANT: Please make sure `pytorch != 1.4.0` # Currently, our code is not compatible to `pytorch == 1.4.0`; # See more details at `https://github.com/pytorch/pytorch/issues/32395`. # Below is for linux, with CUDA 10; see https://pytorc