svm算法手写matlab代码-Machine-Learning-Coursera:机器学习-斯坦福大学为期12周的课程，广泛介绍了机器学习，
svm算法手写matlab代码机器学习课程
为期12周的课程广泛介绍了机器学习，数据挖掘和统计模式识别。
主题包括：
有监督的学习（参数/非参数算法，支持向量机，内核，神经网络）。
无监督学习（聚类，降维，推荐系统，深度学习）。
机器学习的最佳实践（偏差/方差理论；机器学习和AI的创新过程）。
该课程还从众多案例研究和应用中汲取了灵感，可以在其中学习如何将学习算法应用于构建智能机器人（感知，控制），文本理解（网页搜索，反垃圾邮件），计算机视觉，医学信息学，音频，数据库挖掘等领域。
以下分配是在Matlab
/
Octave中完成的。
例1-线性回归
预测食品卡车的利润（一个可变问题）
假设您是一家餐饮连锁店的首席执行官，并且正在考虑将不同的城市开设新的门店。
该连锁店已经在各个城市开了卡车，您可以获得城市的利润和人口数据。
预测房屋价格（多变量问题）
假设您正在出售房屋，并且想知道一个好的市场价格。
一种方法是首先收集有关最近出售的房屋的信息，并建立房屋价格模型。
文件ex1data2.txt包含俄勒冈州波特兰市的一套住房价格培训。
第一栏是房屋的大小（以平方英尺为单位），第二栏是卧室
文件下载
资源详情
[{"title":"（ 252 个子文件 50.46MB ） svm算法手写matlab代码-Machine-Learning-Coursera:机器学习-斯坦福大学为期12周的课程，广泛介绍了机器学习，","children":[{"title":"ex8.pdf <span style='color:#111;'> 242.36KB </span>","children":null,"spread":false},{"title":"loadMovieList.m <span style='color:#111;'> 651B </span>","children":null,"spread":false},{"title":"computeNumericalGradient.m <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"fmincg.m <span style='color:#111;'> 8.54KB </span>","children":null,"spread":false},{"title":"estimateGaussian.m <span style='color:#111;'> 975B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- ZigBee与超声波传感器组网测距
- 89C51单片机秒表设计.zip
- 数据结构看病排队实验报告
- MinGW-w64与TDM-GCC的在线与离线安装包
- EKF扩展卡尔曼滤波车身状态估计
- 用c++读取灰度图像.txt
- matlab开发-使用PSO的最佳模糊控制器
- ArcGIS二次开发_叠置分析
- MATLAB下PSAT工具箱使用说明中文版
- icmp协议ping程序实现
- 大华最新_(20190312)_Android和iOS播放和网络SDK
- nmea-0183协议解析C语言链表实现
- K-Means文本聚类python实现
- 人才追踪-源码
- Modeling and Simulation of Leaf Color Based on Virtual Rice
- soapUI-x32-3_6-beta2.exe
- Kafka.xmind
- ATM_java课程设计
- 简单win32绘图程序
- SN8F5708_Sample_Code_V0.3.rar
- 软件用户手册样本实例下载
- SVM PPT 支持向量机介绍ppt 偏理论 从零到搞懂
- Java编程实现同步序列密码的加密解密系统
- 闲鱼网制作
- 基于毫米波雷达的雾天前方车辆信息获取技术
- java编写微信二维码支付源码
- nodejs下载
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
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