图像分类器：使用预训练模型-“ MobileNet”和tensorFlow.js构建的基本图像分类器

基于jupyter notebook的python编程—–机器学习中的线性分类器目录一、机器学习中线性分类器的定义1、什么是线性分类器？2、线性分类器的实现原理3、设计线性分类器的主要步骤4、Fisher线性判别二、例题1–鸢尾花数据集的分类可视化及预测1、准备鸢尾花数据集2、打开jupyter进行python环境创建3、编写鸢尾花数据集的分类可视化代码4、鸢尾花数据集的分类可视化的整体python代码三、例题2–判定一下模式属于哪类？1、将x=[7,5]tx=[7,5]^tx=[7,5]t代入上述判别函数2、该题三类问题判别原理3、通过python代码的判定如下所示 在进行人工智能机器学习的

用FAMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试。有完整的文档和详细的代码说明。

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。

本实验为了解和测试多层感知机。 对于感知机的原理，进行设计。 自己设计数据进行感知机的测试,并进行一个小实验一，测试提取的图片是生的还是熟的，进行数据分类。 自己设计数据进行感知机的测试,并进行一个小实验二，测试上课是否迟到，设计数据，在trainData.txt中读入测试数据，进行数据分类（迟到与不迟到）。 --------------------- 作者：zxm_ 来源：CSDN 原文：https://blog.csdn.net/zxm_jimin/article/details/87939185 版权声明：本文为博主原创文章，转载请附上博文链接！

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。

https://blog.csdn.net/lyq_12/article/details/83346833中行人检测的源码，使用到的训练好的检测器就是这个附件。

目标识别中的AGC分类器代码（MTALAB）

基于概率统计贝叶斯方法的手写数字分类器设计论文，附源代码，通过贝叶斯决策分类，能够实现0-9手写数字识别的功能。

LIBLINEAR是一个简单的求解大规模规则化线性分类和回归的软件包。最显著的的特点就是速度快。对一些大数据来说，有没有非线性映射，他们的性能差不多。如果不使用核，我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征，例如文本分类Document classification。