图像的均方误差的matlab代码-ML_kNN:ML_kNN
图像的均方误差的matlab代码
机器学习第一次作业
机器学习平台python和matlab的熟悉
1
问题描述
1
用python或者matlab编写一个KNN分类器
训练集为semeion_train.csv
测试集为semeion_test.csv
计算在测试集上的错误率（k
=
1
3
5
7）
2
选做
在训练集上划分一个交叉验证集（可以是训练集数据的20%左右），利用交叉验证选择k值
画一个以k值为x轴，交叉验证集错误率为y的曲线
3
本次实验的简要介绍
实验内容
本次实验使用kNN算法实现手写数字的识别。数据有256个特征值，代表了一个16*16的位图的像素值，0为无像素，1为存在像素。利用python
PIL做出其中各个数字的典型图像如下所示：
kNN算法简介
kNN算法是一种监督学习算法。假设给定一个训练数据集，其中的实例类别已经确定。分类是对于新的类别，根据其最相近的k个邻居的类别，通过多数表决的方式进行预测。利用训练集对特征空间进行分类划分，并作为其分类的模型。
2.
解决方法
1
解决思路
计算待分类点与已知类别的点之间的距离
按照距离递增次序排序
选取与待分类
文件下载
资源详情
[{"title":"（ 3240 个子文件 3.84MB ） 图像的均方误差的matlab代码-ML_kNN:ML_kNN","children":[{"title":"main.txt <span style='color:#111;'> 3.39KB </span>","children":null,"spread":false},{"title":"compare_11.png <span style='color:#111;'> 23.96KB </span>","children":null,"spread":false},{"title":"compare_29.png <span style='color:#111;'> 24.76KB </span>","children":null,"spread":false},{"title":"compare_18.png <span style='color:#111;'> 24.65KB </span>","children":null,"spread":false},{"title":"compare_20.png <span style='color:#111;'> 25.17KB </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
- Java xmlrpc远程方法调用（源码）
- geckodriver-v0.18.0-win64
- 消解原理编程实现含文档
- 飞思卡尔智能车电磁组程序完整代码
- 2次B样条曲线和3次B样条曲线的matlab绘制，适用于初学者
- labview v8.2 PID工具包（完整版）
- 基于神经网络的溶解度预测和回归分析的数据集文件
- 富士施乐 激光一体机 DocuPrint M205b.M105ab.M105b.P205b.P105b 维修手册
- DIV+CSS学生网页设计作业9页面简洁大方
- 商城页面 php+mysql+html
- 物资管理系统mysql版
- webService返回xml格式数据案例
- 利用Emgu.CV实现人脸识别详解 (C#)--附源码(可直接运行成功)
- Flash动画—环境污染
- 具有全局能量迁移的太阳能非易失性传感器节点的最后期限感知任务调度
- 用C++做WEB开发
- jsp航空订票系统改进版源码
- jdk-14.0.2_windows-x64_bin.zip
- cmake-3.16.3-win64-x64.msi
- 学生成绩管理系统
- INCT_ROOT_EVO3D.zip
- VHDL语言实现的数字密码锁源代码（Quartus 7.2调试通过）
- asp留言板源码
- 无线定位基本算法Matlab
- springSecurity
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