贝叶斯与KNN算法实现

机器学习 KNN 贝叶斯分类器课程报告

尾花数据集是入门的经典数据集。Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。在三个类别中，其中有一个类别和其他两个类别是线性可分的。假设鸢尾花数据集的各个类别是服从正态分布的，尝试利用贝叶斯决策论的原理， 1. 设计贝叶斯分类器； 2. 设计基于最近邻准则的分类器。资源包括代码实现和课程报告--Bayes和KNN分类器实现鸢尾花数据集分类源码实现包括手撕贝叶斯和KNN以及使用工具包实现课程报告主要包括以下部分：一、问题描述二、数据预处理（1）划分数据集（2）数据可视化三、模型基本原理（1）朴素贝叶斯算法原理（2）KNN算法原理四、贝叶斯分类器设计（1）算法过程（2）结果输出五、 KNN分类器设计（1）算法过程（2）结果输出六、利用工具包进行设计（1）贝叶斯分类器（2）KNN分类器

文件下载

资源详情

[{"title":"（ 5 个子文件 734KB ）贝叶斯与KNN算法实现","children":[{"title":"贝叶斯与KNN算法实现","children":[{"title":"贝叶斯与KNN算法实现.docx 799.82KB ","children":null,"spread":false},{"title":"bayes1.py 9.27KB ","children":null,"spread":false},{"title":"项目路径.txt 22B ","children":null,"spread":false},{"title":"iris.data 4.44KB ","children":null,"spread":false},{"title":"knn2.py 3.15KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

贝叶斯与KNN算法实现

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载