Accelerometer-Biometric:通过加速度计数据识别移动设备的用户(kaggle上的“加速度计生物识别竞赛”)

上传者: 42171208 | 上传时间: 2022-08-16 19:47:24 | 文件大小: 10KB | 文件类型: ZIP
加速度计-生物识别 通过加速度计数据识别移动设备的用户(kaggle上的“加速度计生物识别竞赛”) “ CS 725:机器学习基础”的课程项目 #Description:您可以在找到问题陈述的描述 #如何运行代码: 假设:您将train.csv和test.csv与其他项目文件放在同一文件夹中 运行device_count.py 运行extractMeanVar.py 运行trimmingdata.py 现在,您可以执行任何分类器代码。 只需在同一文件夹中查找所需文件即可。 #我们的方法我们设计了以下解决问题的方法: 朴素贝叶斯 最近的邻居 二次判别分析(类似于LDA) 支持向量机 #与每种方法相关的文件: 1]朴素贝叶斯 1. extractMeanVar.py 2. naive_bayes.py 3. naive_bayes_Random.py 2]最近的邻居 1. t

文件下载

资源详情

[{"title":"( 12 个子文件 10KB ) Accelerometer-Biometric:通过加速度计数据识别移动设备的用户(kaggle上的“加速度计生物识别竞赛”)","children":[{"title":"Accelerometer-Biometric-master","children":[{"title":"README.md <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false},{"title":"modify_submissionNAN.py <span style='color:#111;'> 522B </span>","children":null,"spread":false},{"title":"svm_mean.py <span style='color:#111;'> 2.07KB </span>","children":null,"spread":false},{"title":"naive_bayes.py <span style='color:#111;'> 2.46KB </span>","children":null,"spread":false},{"title":"KNearestNeighbour.py <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"qda.py <span style='color:#111;'> 752B </span>","children":null,"spread":false},{"title":"trimmingdata.py <span style='color:#111;'> 1.71KB </span>","children":null,"spread":false},{"title":"extractMeanVar.py <span style='color:#111;'> 1.61KB </span>","children":null,"spread":false},{"title":"svm_modified.py <span style='color:#111;'> 647B </span>","children":null,"spread":false},{"title":"device_count.py <span style='color:#111;'> 248B </span>","children":null,"spread":false},{"title":"naive_bayes_Random.py <span style='color:#111;'> 2.67KB </span>","children":null,"spread":false},{"title":"modify_submission.py <span style='color:#111;'> 1.01KB </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