![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
codingfishc
这个作者很懒,什么都没留下…
展开
-
机器学习(一)-----K近邻算法
from numpy import *import operatorimport matplotlibimport matplotlib.pyplot as pltdef creatDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels =['A','A','B','B'] retur原创 2017-11-22 10:37:37 · 324 阅读 · 0 评论 -
机器学习----SVM初学libsvm使用(1)
%%清空环境变量clear allclc%%导入数据load BreastTissue_data.mat%%随机产生训练集和测试集n=randperm(size(matrix,1));%%matlab中,size(A,1)返回的是矩阵A所对应的行数。%%size(A,2) 该语句返回的时矩阵A的列数。 randperm函数 随机打乱一个数 n = randperm(size(matri...原创 2018-03-23 16:39:37 · 2239 阅读 · 0 评论 -
PCA降维
import matplotlib.pyplot as pltimport numpy as npfrom sklearn.datasets import load_irisfrom sklearn.decomposition import PCA'''https://blog.csdn.net/HLBoy_happy/article/details/77146012X=np.arra...原创 2018-03-29 21:13:55 · 131 阅读 · 0 评论 -
机器学习----SVM初学libsvm使用(2)
% 将第一类的1-30,第二类的60-95,第三类的131-153做为训练集 train_wine=[wine(1:30,:);wine(60:95,:);wine((131:153),:)];% 相应的训练集的标签也要分离出来 train_wine_labels = [wine_label(1:30);wine_label(60:95);wine_label(131:153)];%分离测...原创 2018-03-23 20:06:54 · 715 阅读 · 0 评论