搜索资源列表
randomForest_4.5-36
- 随机森林分类器 可以实现分类 适合初学者学习参考-Neural network classifiers can be used to classify information for beginners to learn
classifier
- 在java中运用weka中的随机森林算法实现的分类器的代码-The use of weka in java in a random forest classifier algorithm code
Random-Forest-Classify
- 随机森林分类器，用Opencv与C混合编程实现，程序包含如何分类及训练，对初学者有一定的帮助-Random Forest classifier, using Opencv with C mixed programming, the program includes how to classify and training, there is some help for beginners
Classifier
- 几种分类器，包括adaboost和随机森林-Several classifiers including adaboost and random forest
adaboost
- AdaBoost元算法属于boosting系统融合方法中最流行的一种，说白了就是一种串行训练并且最后加权累加的系统融合方法。 具体的流程是：每一个训练样例都赋予相同的权重，并且权重满足归一化，经过第一个分类器分类之后， 计算第一个分类器的权重alpha值，并且更新每一个训练样例的权重，然后再进行第二个分类器的训练，相同的方法....... 直到错误率为0或者达到指定的训练轮数，其中最后预测的标签计算是各系统*alpha的加权
random-forest
- 决策树模型的C++实现，可用来组成随机森林建立随机森林分类器做数据分类及图像分类，代码中有简单的测试样例-C++ implementation of decision tree model, to form a random forest is used to establish the random forest classifier for data classification and image classification,
randomforesttt
- 随机森林分类器，matlab写的，直接可以运行，不需要该任何东西-Random Forest classifier, matlab write, direct run, does not require that anything
随机森林文本分类
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "
randomForest_4.6-12.tar
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林(random decision forests)而来的。这个方法则是结合 Breimans 的 "
RandomForest
- 随机森林分类器算法的应用，包含分类例子和回归例子(Random forest algorithm matlab)
各种分类器matlab程序
- 里面有随机森林，C4.5，ID3，SVM等分类器的matlab代码(There are random forest, C4.5, ID3, SVM classifiers matlab code)
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classif
RF_Class_C
- matlab 随机森林 机器学习 二类分类器(matlab random forest)
Random Forest
- 在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。 而 "Random Forests" 是他们的商标。 这个术语是1995年由贝尔实验室的Tin Kam Ho所提出的随机决策森林（random decision forests）而来的。这个方法则是结合 Breimans 的 "
matlab
- 对于一个具体的数据，用交叉验证进行分类，随机森林进行训练，用AUC,AUPR,Precision评价分类器的性能(For a specific data, use cross validation to classify, train random forests, evaluate the performance of the classifier with AUC, AUPR, and Precision.)
随机森林分类器
- 对提取好的n维特征，实现随机森林分类器分类。(For the extraction of good characteristics, the realization of random forest classification)
RandomForest_matlab
- 随机森林是一个包含多个决策树的分类器，通过matlab实现实现随机森林算法(Matlab implementation of random forest algorithm)
RF
- 随机森林负荷预测，随机森林是一种分类器，在负荷预测中的应用很少。(Random forests load forecasting，Random forests is a kind of classifier, rarely used in load forecasting)
randomforest-matlab
- 随机森林分类器的MATLAB代码，方便调用使用随机森林（RF）通过MATLAB平台(MATLAB Code of Random Forest Classifier)
Random-Forests-Matlab-master (2)
- 要说随机森林，必须先讲决策树。决策树是一种基本的分类器，一般是将特征分为两类（决策树也可以用来回归，不过本文中暂且不表）。构建好的决策树呈树形结构，可以认为是if-then规则的集合，主要优点是模型具有可读性，分类速度快。(In machine learning, a random forest is a classifier that contains multiple decision trees, and its output c