加速度计-生物识别
通过加速度计数据识别移动设备的用户（kaggle上的“加速度计生物识别竞赛”）
“ CS 725：机器学习基础”的课程项目
#Description：您可以在找到问题陈述的描述
＃如何运行代码：
假设：您将train.csv和test.csv与其他项目文件放在同一文件夹中
运行device_count.py
运行extractMeanVar.py
运行trimmingdata.py
现在，您可以执行任何分类器代码。 只需在同一文件夹中查找所需文件即可。
＃我们的方法我们设计了以下解决问题的方法：
朴素贝叶斯
最近的邻居
二次判别分析（类似于LDA）
支持向量机
＃与每种方法相关的文件：
1]朴素贝叶斯
1. extractMeanVar.py
2. naive_bayes.py
3. naive_bayes_Random.py
2]最近的邻居
1. t
2022-08-16 19:47:24
10KB
1
MATLAB用拟合出的代码绘图学士项目：使用Support-Vector
Machines和KNN基于EEG数据对愤怒进行分类
以下存储库是学士项目期间使用的代码的枢纽。
该存储库包含用于预处理和分析EEG数据（Matlab），所有统计测试（R）和分类器（Python
+）的每一行。
随着项目的进行，本文档的其余部分用作记事本。
它充满了对我们一路重要的项目，在归档项目之前不得更改。
每个脚本都包含解释性注释，以指导读者阅读代码。
线性混合效应模型
验证线性混合效应模型始终需要做两件事：
检查正常性和同质性。
构建一个所谓的“空模型”，并将混合模型的性能与此空模型进行比较。
I.混合效应模型属于参数统计技术（连同t检验和ANOVA检验）一起。
参数方法要求条件之间的差异呈正态分布，即条件A和条件B之间的差异需要近似钟形曲线。
非参数技术没有此限制-它们是“无分布的”-但是，混合模型是参数化的，因此我们需要检查差异是否实际上遵循正态曲线。
混合模型的另一个要求是数据是同质的，即就方差而言，数据集的一部分与另一部分没有很大差异。
下面描述的图检查了两者->形成了两个云，描绘了男性和女性之间
2022-07-25 01:02:16
493.85MB
1
matlab代码lda
潜在狄利克雷分配
介绍
潜在狄利克雷分配
(LDA)
是文本文档的概率生成模型。
文档被建模为一组“主题”的混合体。
使用变分贝叶斯
(VB)
算法，可以学习与语料库中的文档对应的主题集。
然后可以将这些主题特征用于诸如文本分类之类的任务。
包含的文件
batchLDA.m
-
在
MATLAB
中通过文档的批处理实现
LDA。
为语料库中的文档获取一组字数向量并输出一组主题特征。
classify.m
-
使用
LDA
主题特征的简单文本分类示例。
需要
.
执照
此代码在
MIT
许可下可用。
请查阅包含的许可证文件以获取完整信息。
参考
[1]
DM
Blei、AY
Ng
和
MI
Jordan，“潜在狄利克雷分配”
，机器学习研究杂志，卷。
3，第
993-1022
页，2003
年。
[2]
DM
Blei、MD
Hoffman
和
F.
Bach，“潜在狄利克雷分配的在线学习”，神经信息处理系统
(NIPS)
2010
，温哥华，2010。
2022-07-14 10:23:30
4KB
1
基于pca lda 粗糙集 模糊神经网络的人脸识别程序 在matlab上可直接运行
2022-07-13 21:04:12
6.44MB
1