本资源主要适合初学者用吴恩达深度学习中第一课第三周作业的算法去解决三元分类问题，内含代码和文档（也可见本人博客《吴恩达深度学习第一课第三周作业及其“三元分类”问题解决》），希望能帮到大家！

灰狼优化算法GWO优化SVM支持向量机惩罚参数c和核函数参数g，有例子，易上手，简单粗暴，替换数据即可，分类问题。 仅适应于windows系统

帕尔默企鹅数据集

本程序有数据集，有程序代码。本程序是将手写数字图像作为特征输入SVM，最终得到10分类，准确率约90%

使用KNN、朴素贝叶斯、SVM、线性回归等算法解决简单的分类问题 源码中包括线性归回算法、KNN算法、朴素贝叶斯算法及SVM算法的使用方法演示，以及对数据的预处理、训练建模过程。 实现对水果数据集的分析，最终将同类水果进行分类。

(1)冬1显示了4种装配零件的彩色冬像:螺母(nuts)、螺钉(screws)、支架(brackets) 和垫圈(washers)。请你设计一组特征(不超过4种)，能很好地把4种零件分开。 分析、讨论你的特征和背后的原理。 (2) 编写代码提取每种模式的上述4种特征，绘制每对特征的二维散点图(如.fl vs.f2,f3 vs.f4，等)，讨论你的结果。 (3)计算原始空间中每一对样本之间的欧式距离。首先，你得把所有图像都转换 为同样大小,比如 32x32 彩色像素(提示:在 MATLAB 中,可使用函数 imresize)。 把距离组成30x30 的矩阵进行显示(提示:在 MATLAB中,可使用承数 imagesc)。 在一维特征空间中，重复上述过程。比较两种距离矩阵，在原始图像空间中和特征 =====================================================================================================================================================

SVM（支撑向量机模型）是二（多）分类问题中经常使用的方法，思想比较简单，但是具体实现与求解细节对工程人员来说比较复杂。本文从应用的角度出发，使用Libsvm函数库解决SVM模型的分类与回归问题

在matlab平台下的基于libsvm的svm双螺旋线二分类问题

使用java实现的KNN算法，并进行了二分类问题，不懂的可以交流。适合初学者使用 ，可以下载看一看

多标签分类使用 sklearn