使用方法：运行main.py文件即可，或者命令行输入"python main.py"。
2023-04-21 21:07:23
868KB
1
乳腺癌数据集 Python 预测模型 乳腺癌数据集二分类预测 机器学习 深度学习 网格搜索+logistic逻辑回归+神经网络+SVM支持向量机+KNN 条形图折线图可视化 预测效果较好，拟合较为准确。 jupyter notebook numpy pandas matplotlib sklearn 数据分析 数据挖掘
2023-02-18 21:32:37
100KB
1
MATLAB 神经网络43个案例分析各章节的仿真数据集
仿真示例需调用到的dat类数据等等
有需要的根据自己的实际章节取用
不包含源码，如乳腺癌数据等
2022-12-18 20:57:18
9.01MB
1
基于SVM的乳腺癌数据集分类的设计与实现.doc基于SVM的乳腺癌数据集分类的设计与实现.doc基于SVM的乳腺癌数据集分类的设计与实现.doc
2022-10-19 12:05:26
556KB
1
神经网络
乳腺癌数据集的神经网络，可产生概率并对新患者进行分类。
训练数据
该模型是使用699例乳腺癌患者的数据集构建的。 数据集经过归一化和清洗，最终使500名患者接受了培训和测试的最终数据集。
共有500例患者，其中262例（52.4％）患有良性肿瘤，238例（47.6％）患有恶性肿瘤。 为了进行训练，使用了80％的数据，其中40％是良性肿瘤，40％是恶性肿瘤，其余20％用于测试。 在这20％中，12.4％来自良性肿瘤，而7.6％来自恶性肿瘤。
怎么跑
克隆存储库
启动你的服务器
现在，您可以访问神经网络预测的结果并查看模型训练的性能图。
内容
2022-10-17 19:59:16
8KB
1
WBPC康纳斯星州乳腺癌数据集，包括诊断数据集与预后诊断数据集，源数据，可以作为KNN、SVM等机器学习的练习数据使用
2022-10-04 15:34:08
59KB
1
kMeans_PCA
在sklearn乳腺癌数据集上包含k-Means和PCA的原始代码
2021-12-21 14:00:30
97KB
1
决策树
对新患者进行分类的乳腺癌数据集的决策树。
训练数据
该模型是使用699例乳腺癌患者的数据集构建的。 数据集经过归一化和清洗，最终使500名患者接受了培训和测试的最终数据集。
共有500例患者，其中262例（52.4％）患有良性肿瘤，238例（47.6％）患有恶性肿瘤。 为了进行训练，使用了80％的数据，其中40％是良性肿瘤，40％是恶性肿瘤，其余20％用于测试。 在这20％中，12.4％来自良性肿瘤，而7.6％来自恶性肿瘤。
怎么跑
克隆存储库
启动你的服务器
现在，您可以从“决策树”中访问预测结果。 要查看命中率，请inspecionar并检查console 。
注释
src目录中的decision-tree.js文件已从以下存储库中删除，该存储库允许使用和修改： :
2021-11-16 11:01:20
14KB
1