主成分回归代码matlab及例子-Traditional_Transfer_Learning:Traditional_Transfer_Lea

上传者: 38659805 | 上传时间: 2023-03-10 19:12:47 | 文件大小: 8.35MB | 文件类型: ZIP
主成分回归代码matlab及示例传统转学 这是传统迁移学习技术的演示。 实例加权方法 1. TrAdaboost。 参考号促进迁移学习, ICML 2007。
2.回归Tradaboost。 在分类的情况下,权重乘以coef.^(0 or 1). 在回归Tradaboost中,绝对误差被用作幂项。 3.实例加权内核岭回归 实例加权核岭回归, 参考: Jochen Garcke,重要性加权归纳迁移学习回归 在这种情况下,所有源域数据都被标记,目标域中的一小部分也被标记。 在这里,我们将此部分称为“辅助数据”。 其余目标域数据未标记,称为“测试数据”。 在此方法中,基于[源数据+辅助数据]计算源实例的权重(alpha),并将其应用于源实例。 源集有n个实例,辅助集有m个实例。 该方法包含3个步骤: 训练了内核岭回归(rbf内核)模型,并在源数据上进行了测试。 获得双重经济效率a(n * 1)。 此a用于计算权重alpha。 代替在每个实例上应用标量,这里作者使用一种rbf距离的形式: Alpha是变量,而不是w (x,y) 成本函数是加权误差,带有α上的调节项。 Alpha应该大

文件下载

资源详情

[{"title":"( 34 个子文件 8.35MB ) 主成分回归代码matlab及例子-Traditional_Transfer_Learning:Traditional_Transfer_Lea","children":[{"title":"Traditional_Transfer_Learning-master","children":[{"title":"CORAL_demo.py <span style='color:#111;'> 845B </span>","children":null,"spread":false},{"title":"Metrics.py <span style='color:#111;'> 1.46KB </span>","children":null,"spread":false},{"title":"Coral.m <span style='color:#111;'> 200B </span>","children":null,"spread":false},{"title":"Kmm_Demo.py <span style='color:#111;'> 1.56KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"winequality-red.csv <span style='color:#111;'> 82.23KB </span>","children":null,"spread":false},{"title":"dslr.mat <span style='color:#111;'> 170.47KB </span>","children":null,"spread":false},{"title":"caltech.mat <span style='color:#111;'> 1.26MB </span>","children":null,"spread":false},{"title":"Heartdata2.csv <span style='color:#111;'> 11.06KB </span>","children":null,"spread":false},{"title":"DrugData.mat <span style='color:#111;'> 1.51MB </span>","children":null,"spread":false},{"title":"amazon.mat <span style='color:#111;'> 841.41KB </span>","children":null,"spread":false},{"title":"Area4.xlsx <span style='color:#111;'> 5.66MB </span>","children":null,"spread":false},{"title":"Area3.xlsx <span style='color:#111;'> 2.33MB </span>","children":null,"spread":false},{"title":"Heartdata1.csv <span style='color:#111;'> 10.39KB </span>","children":null,"spread":false},{"title":"winequality.names <span style='color:#111;'> 3.23KB </span>","children":null,"spread":false},{"title":"webcam.mat <span style='color:#111;'> 287.31KB </span>","children":null,"spread":false},{"title":"winequality-white.csv <span style='color:#111;'> 258.23KB </span>","children":null,"spread":false}],"spread":false},{"title":"TrAdbMultiClass.py <span style='color:#111;'> 5.46KB </span>","children":null,"spread":false},{"title":"SDA_demo.m <span style='color:#111;'> 987B </span>","children":null,"spread":false},{"title":"KMM.py <span style='color:#111;'> 3.10KB </span>","children":null,"spread":false},{"title":"GridSearchTL.py <span style='color:#111;'> 1.03KB </span>","children":null,"spread":false},{"title":"SDA.py <span style='color:#111;'> 1.00KB </span>","children":null,"spread":false},{"title":"CORAL.py <span style='color:#111;'> 628B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 7.89KB </span>","children":null,"spread":false},{"title":"imgs","children":[{"title":"kRR_fig1.png <span style='color:#111;'> 9.58KB </span>","children":null,"spread":false},{"title":"kRR_fig2.png <span style='color:#111;'> 8.92KB </span>","children":null,"spread":false},{"title":"coral1.png <span style='color:#111;'> 6.91KB </span>","children":null,"spread":false},{"title":"kmm_fig2.png <span style='color:#111;'> 18.18KB </span>","children":null,"spread":false},{"title":"kmm_fig1.png <span style='color:#111;'> 19.97KB </span>","children":null,"spread":false},{"title":"coral2.png <span style='color:#111;'> 18.77KB </span>","children":null,"spread":false}],"spread":true},{"title":"Problem_Classes.md <span style='color:#111;'> 1.70KB </span>","children":null,"spread":false},{"title":"Datasets.py <span style='color:#111;'> 15.09KB </span>","children":null,"spread":false},{"title":"IWKRR_Demo.py <span style='color:#111;'> 1.16KB </span>","children":null,"spread":false},{"title":"TrAdaBoostRegression.py <span style='color:#111;'> 4.97KB </span>","children":null,"spread":false},{"title":"IW_KRR.py <span style='color:#111;'> 5.27KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

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