该数据集有3个类virginica，versicolor和setosa，每类50个样本；每个样本是一个4维的特征向量,萼片长，萼片宽，花瓣长，花瓣宽；virginica和versicolor有很多重叠。可用于算法的检测，是常用的测试数据

以莺尾花的特征作为数据来源，数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中非常常用的测试集、训练集。

数据挖掘里面一些经典的数据集，包括 image iris soybean wine wine-quality zoo

具体说明见：http://blog.csdn.net/java1573/article/details/78865495

今天用I3-8100 CPU和华硕H310M-K R2.0主板配了一台电脑，安装的WIN7 64位专业版系统，找到了一个好用的UHD 630显卡驱动，安装后一切正常，这个驱动应该可以适用于大部分八代桌面CPU，特地来分享一下这个驱动。

从UCI上下载的iris数据集，经过处理可以用于svm。格式如下： 0 1:5.1 2:3.5 3:1.4 4:0.2 0 1:4.9 2:3.0 3:1.4 4:0.2 0 1:4.7 2:3.2 3:1.3 4:0.2 0 1:4.6 2:3.1 3:1.5 4:0.2 0 1:5.0 2:3.6 3:1.4 4:0.2 0 1:5.4 2:3.9 3:1.7 4:0.4

iris数据集是机器学习中常用的数据集，也是很经典的一个数据集。文档中包含csv版和txt两个版本。

本文实例讲述了Python决策树和随机森林算法。分享给大家供大家参考，具体如下： 决策树和随机森林都是常用的分类算法，它们的判断逻辑和人的思维方式非常类似，人们常常在遇到多个条件组合问题的时候，也通常可以画出一颗决策树来帮助决策判断。本文简要介绍了决策树和随机森林的算法以及实现，并使用随机森林算法和决策树算法来检测FTP暴力破解和POP3暴力破解，详细代码可以参考： https://github.com/traviszeng/MLWithWebSecurity 决策树算法 决策树表现了对象属性和属性值之间的一种映射关系。决策树中的每个节点表示某个对象，而每个分叉路径则表示某个可能的属性值，而每

中科院虹膜数据库，包含99个双胞胎对象，其中包含了上千张虹膜图，对虹膜研究研究非常有用

掩膜提取matlab代码虹膜 虹膜识别算法Daugman算法与Hough变换与Matlab的比较。 描述： 虹膜是可以执行高置信度识别的最重要的生物识别方法之一。 虹膜包含丰富且随机的信息。 大多数商业虹膜识别系统都使用Daugman算法。 本项目中使用的算法来自开放源代码，并稍加修改，如果您想使用源代码，请先检查LICENSE！ 道格曼算法： 其中I（x，y）是眼睛图像，r是在图像（x，y）上搜索的半径，G（r）是高斯平滑函数。 该算法从瞳Kong开始搜索，以检测最大像素值（偏导数）的变化。 霍夫变换： 霍夫变换是一种用于图像分析，计算机视觉和数字图像处理的特征提取技术。 其中（xi，yi）是中心坐标，r是半径。 通常，眼睛将由瞳Kong和角膜缘的两个圆圈（虹膜区域）以及上下眼睑的两个抛物线建模 它开始从水平方向检测眼睑，然后从垂直方向检测瞳Kong和虹膜边界。 标准化和功能编码： 从圆到长方形块通过使用1D Log-Gabor滤波器。 为了提取9600位虹膜代码，上下眼睑将被处理成9600位编码的蒙版。 匹配： 汉明距离（HD）： Q和R是要比较的主题，包含20x480 = 960