基于matlab的数据挖掘,基于MATLAB的数据挖掘实验

【实例简介】

基于Matlab的数据挖掘实验,主要适用于数据挖掘课程中关于矩阵实验的练习提升。

【实例截图】

【核心代码】

exp

└── exp

├── ex1.pdf

├── ex5.pdf

├── ex6.pdf

├── mlclass-ex1

│   ├── computeCost.m

│   ├── computeCostMulti.asv

│   ├── computeCostMulti.m

│   ├── ex1data1.txt

│   ├── ex1data2.txt

│   ├── ex1.m

│   ├── ex1_multi.m

│   ├── featureNormalize.asv

│   ├── featureNormalize.m

│   ├── gradientDescent.asv

│   ├── gradientDescent.m

│   ├── gradientDescentMulti.asv

│   ├── gradientDescentMulti.m

│   ├── normalEqn.asv

│   ├── normalEqn.m

│   ├── plotData.m

│   ├── submit.m

│   ├── submitWeb.m

│   └── warmUpExercise.m

├── mlclass-ex1(不用交).zip

├── mlclass-ex5

│   ├── ex5.asv

│   ├── ex5data1.mat

│   ├── ex5.m

│   ├── featureNormalize.m

│   ├── fmincg.m

│   ├── learningCurve.asv

│   ├── learningCurve.m

│   ├── linearRegCostFunction.asv

│   ├── linearRegCostFunction.m

│   ├── plotFit.m

│   ├── polyFeatures.asv

│   ├── polyFeatures.m

│   ├── submit.m

│   ├── submitWeb.m

│   ├── trainLinearReg.m

│   ├── validationCurve.asv

│   └── validationCurve.m

├── mlclass-ex5(要交).zip

├── mlclass-ex6

│   ├── dataset3Params.asv

│   ├── dataset3Params.m

│   ├── emailFeatures.m

│   ├── emailSample1.txt

│   ├── emailSample2.txt

│   ├── ex6data1.mat

│   ├── ex6data2.mat

│   ├── ex6data3.mat

│   ├── ex6.m

│   ├── ex6_spam.m

│   ├── gaussianKernel.m

│   ├── getVocabList.m

│   ├── linearKernel.m

│   ├── plotData.m

│   ├── porterStemmer.m

│   ├── processEmail.asv

│   ├── processEmail.m

│   ├── readFile.m

│   ├── spamSample1.txt

│   ├── spamSample2.txt

│   ├── spamTest.mat

│   ├── spamTrain.mat

│   ├── submit.m

│   ├── submitWeb.m

│   ├── svmPredict.m

│   ├── svmTrain.m

│   ├── visualizeBoundaryLinear.m

│   ├── visualizeBoundary.m

│   └── vocab.txt

├── mlclass-ex6(要交).zip

└── Thumbs.db

4 directories, 72 files

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值