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
- 四自由度机械臂逆解析程序
- 组原课设 5段流水线CPU
- tensorflow数据集制作以及使用Inceptionv3进行训练
- STM32正交编码器测速程序
- 获得COM组件（ocx、dll）的CLSID小工具
- 心电信号R峰检测
- python操作同花顺客户端下单程序
- 高等应用数学问题的matlab求解 pdf
- 新浪微博用户数据信息--性别，地理位置，粉丝，微博创建时间，微博数，等等
- torchtext.zip
- 国家标准的软件需求分析等文档（doc）汇总！！
- 张宇考研数学一 1000题 解析分册和习题分册2019考研
- org.eclipse.swt包
- node.js win7版本12.8.0
- WEB数据库实验报告8
- dsp实习，语音信号采集与分析
- windowbuilder4.10-repository.zip
- Android 人脸识别源码
- jsp教材管理系统
- 带蹩马腿功能的马踏棋盘
- 新出炉的ADB 支持所有的中文命令
- neo4j桌面版
- ORANGE’S：一个操作系统的实现（高清晰版PDF）
- 爆破常用密码字典100-1000000
- iOS_Animations_by_Tutorials_v6.0.0.zip (iOS13 & Swift5.1 & Xcode11)
- handbook-of-optics-third-edition-volume-ii
- C++语言的设计和演化
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