【ch09-过拟合】 交叉验证.pdf

Per Christian Hansen正则化工具包大全，内含L曲线，广义交叉验证，常用正则化方法等70余MATLAB代码、高清版使用说明书

行业分类-物理装置-一种票付流三链交叉验证产品安全性的全程溯源监管方法.zip

行业分类-物理装置-一种票付流三链交叉验证产品安全性的全程溯源监管系统.zip

人工智能系列之十六：再论时序交叉验证对抗过拟合-20190218-华泰证券-23页.pdf

matlab 10折交叉验证知识代码分类算法评估 介绍 该项目的目标是基于以下内容评估一组分类器： 准确性 敏感性和 特异性 资料集 该项目使用的数据集是从乳腺癌数据库中获得的，可以找到。 快速描述如下： 实例数为699。 每个实例具有2种可能的类别之一：良性（65.5％）或恶性（34.5％），分别由2和4表示，稍后用-1和1代替。 每个实例具有9个按[1-10]比例缩放的属性以及类标签。 缺失的属性（总共16个）被替换为最常出现的值。 分类器 在此项目中评估的分类器以及为其属性设置的值是： 贝叶斯 概率分类器，通过基于实例具有的属性值来估计该实例最有可能属于哪个类，从而为该实例分配一个类标签。 先验概率根据data-description.txt，将良性和恶性分别设置为0.655和0.345的那些 K最近邻居 在这种情况下，对象通过其邻居的多次投票进行分类。 打破领带 如果是平局，则使用最接近的级别。 k选择 为了优化性能，将k设置为训练集大小的平方根。 通常，较大的k值会减少噪声对分类的影响，但会使类别之间的界限不那么明显。 邻居效应 为了使距离较近的邻居比距离较远的邻居贡献更多，

matlab 花代码分类-IRIS- 使用 10 折交叉验证报告 IRIS 数据集的分类结果。 从准确率结果可以看出，在 150 个示例中，有些花被误分类了。 代码在matlab上实现。

机器学习与数据科学 机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学期学习的所有分类器，以预测通过BMI分类的美国肥胖率，其中最佳分类器为7倍KNN，预测准确性为81.54％ 分析模型选择方法以提供最佳模型并找到最佳预测因子； 结论是可以根据收入，饮食习惯，运动习惯和购物习惯来非参数地预测BMI

svm参数中的交叉验证法，并结合网格训练进行。

knn，最小二乘，softsvm分类器的matlab实现，以及简单的交叉验证等 knn，最小二乘，softsvm分类器的matlab实现，以及简单的交叉验证等