tiantianzs的博客

title: matlab贝叶斯分类器tags: 机器学习category: matlab参考来源http://www.tup.tsinghua.edu.cn/booksCenter/book_07680201.html仓库链接计算过程 和 实验结果 可以查看我仓库中，链接如下：https://github.com/tiansztiansz/Bayesian-classifier-based-on-matlab最小错误率贝叶斯分类器代码如下：clear;clc;% 总训练样本数.

title: Matlab K均值图像分割tags: 机器学习category: matlab参考https://ww2.mathworks.cn/help/images/ref/imsegkmeans.html代码如下%% 使用纹理和空间信息改进 k 均值分割% 将图像读入工作区。减小图像大小以使示例运行得更快。RGB = imread('turtle.png');RGB = imresize(RGB,0.5);% 使用 k 均值聚类将图像分割成两个区域。L = imseg.

title: matlab Kmeans算法tags: 机器学习category: matlab参考http://www.tup.tsinghua.edu.cn/booksCenter/book_07680201.html代码如下% 清除工作空间的所有变量，函数，和MEX文件% 作用: 避免本次的运行受到之前运行的影响clear all;% data: 待聚类的数据集% 这里共有 30 条记录，每条记录含有3个特征% 注：一行为 1 条记录，一列为 1 个特征data=[17.

title: matlab 误差平方和tags: 机器学习category: matlab参考http://www.tup.tsinghua.edu.cn/booksCenter/book_07680201.html#原理代码如下%% 仅适用于 4 个簇的误差平方和计算% 清除工作空间的所有变量，函数，和MEX文件% 作用: 避免本次的运行受到之前运行的影响clear all;% 簇数K = input('please input a number:');% dat.

title: vs code 运行 matlab 代码tags: vs codecategory: matlab参考https://blog.csdn.net/weixin_42815609/article/details/103830253安装插件在 vs code 中安装如下插件Code Runner、Matlab、matlab-formatter打开配置文件在配置文件中添加如下代码"matlab.mlintpath": "D:\\xuexiruanjian\\matlab202.

其中A对应混淆矩阵clcclear all% 输入1、2、3选择不同算法，具体顺序如下x = input('please input a number:');if x == 1 A = [10 0; 0 10];elseif x == 2 A = [7 3; 2 8];elseif x == 3 A = [5 5; 4 6];end ni = []; nj = []; nij = []; for i = 1:2 ni = [ni,

1、对图像分别用罗伯特交叉算子、蒲瑞维特算子和索贝尔算子进行边缘检测，使用1范数和无穷范数计算各算子的输出值clear;clc;% 输入1、2、3选择不同算子，具体顺序如下x = input('please input a number:');% 待计算的图像像素i = [3 1 3; 1 2 1; 3 1 3];if x == 1 % 创建罗伯特交叉算子 a = [-1 0; 0 -1]; b = [0 1; -1 0]; elseif x == 2 %

目录一、数据预处理1、缺失值处理（此处为拉格朗日插值）二、构建模型1、数据集划分2、构建LM神经网络模型3、CART决策树模型4、模型评价一、数据预处理1、缺失值处理（此处为拉格朗日插值）主函数：Lagrange_interpolation.m%% 拉格朗日插值算法clear;% 参数初始化% 输入数据路径,需要使用Excel格式；inputfile='..\data\missing_data.xls'; %输出数据路径,需要使用Excel格式

选择保存格式为jpg，然后注意修改文件名是要英文开头，且只能含有英文字母、数字、下划线

原因是有时打字过快触发了微软输入法切换全半角的功能：shift+空格，所以导致输入错误。因此解决方法为：关闭微软输入法切换全半角的功能

A.' 非共轭转置A' 共轭转置共轭：复数实部不变，虚部取相反数

%% 不等概率有放回的抽样（按权重抽样）% 待抽样的样本alphabet = [0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];% 每个样本对应得抽样概率prob = [0.0225 0.0225 0.0225 0.0332 0.0332 0.0009 0.0009 0.7979 0.0332 0.0332 ];% 进行抽样（其中10为抽取的样本个数； 1为概率之和；）randsrc(10,1,[alphabet; prob])以上为代码，可按需求进行更改.