机器学习实战：基于ScikitLearn和TensorFlow

Python实现线性回归、逻辑回归、KNN、SVM、朴素贝叶斯、决策树、K-Means7种机器学习算法的经典案例——亲测可用

Python实现线性回归、逻辑回归、KNN、SVM、朴素贝叶斯、决策树、K-Means7种机器学习算法的经典案例——亲测可用

利用决策树求解回归问题

利用决策树求解回归问题，比较不同的depth下，决策树的效果

机器学习实战数据集

学习机器学习实战时，书中有很多文件，但是书中没告诉下载地址。而且很多网上的下载需要翻，特此分享给大家，希望大家喜欢

机器学习回归实战数据集

温州大学黄海广博士机器学习课程回归实战数据集。

决策树回归算法

文档为pdf格式，对回归决策树的原理进行了详细叙述及举例说明，并包含python实现代码。

adaboost-knn:基于KNN的ADABOOST分类器在Java中使用多线程实现

一个基于KNN的ADABOOST分类器，使用Java在多线程中实现。 请查看主要示例。 包含演示数据。

Computer-Vision-KNN-NB-SVM-DT-image-classifier-for-Flowers-Daisies-vs-Roses:本报告将调查4个图像分类器KNN，朴素贝叶斯，支持向量机（SVM），决策树的准确性，该数据集包含将1273个花朵图像分成两个标签雏菊或玫瑰的图像

计算机视觉，KNN，NB，SVM，DT，图像分类器，花，雏菊，玫瑰 ## Introduction此报告将调查4个图像分类器KNN，朴素贝叶斯，支持向量机（SVM），决策树的准确性，该数据集包含将1273个花朵图像分成两个标签雏菊或玫瑰的图像。 图1 25来自数据集的图像及其标签 ＃＃结果 K近邻分类器 表1使用KNN精度召回的花朵数据集的分类报告f1-得分支持雏菊0.73 0.61 0.67 149上升0.70 0.81 0.71 170 精度0.71 319宏平均0.72 0.71 0.71 319加权平均0.72 0.71 0.71 319 ###朴素贝叶斯分类器 表2使用朴素贝叶斯精确召回f1评分支持雏菊的花朵数据集的分类报告0.68 0.77 0.73 149玫瑰0.77 0.69 0.73 170 准确度0.73 319宏平均0.73 0.73 0.73 319加权平

基于决策树和朴素贝叶斯算法对Adult数据集分类源码

个人课设时实现的基于决策树和朴素贝叶斯算法对Adult数据集进行分类的源码！

机器学习（8）-朴素贝叶斯：数据集与源码下载

机器学习（8）-朴素贝叶斯：数据集与源码下载包含了数据集,预测集,预测结果,,源码

Decision_Tree_Regression：使用Python进行决策树回归

Decision_Tree_Regression 使用Python进行决策树回归 执行代码的步骤： •首先下载决策树Regression.py文件和数据集。 并确保两个文件都在文件夹中。 •然后在任何Python编译器中打开python文件并运行代码。

贝叶斯+决策树+KNN+K-means+推荐算法代码及数据集

Python2.X 如有侵权，请联系我删除

机器学习：机器学习实战（Python3）：kNN，决策树，贝叶斯，逻辑回归，SVM，线性回归，树回归

机器学习 原创文章每月最少两篇文章，后续最新文章会在首发，视频首发，大家可以加我进交流群，技术交流或提意见都可以，欢迎星级！ 文章首发声明 文章在自己的个人网站首发，其他平台文章均属转发，如想获得最新更新进展，欢迎关注我的个人网站： ://cuijiahua.com/ 第二章：kNN（k-邻域算法） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（一）：k-近邻算法（史诗级干货长文） 代码 第三章：决策树（决策树） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（二）：方法树基础篇之让我们从相亲说起 Python3《机器学习实战》学习笔记（三）：决策树实战篇之为自己配个隐形眼镜 代码 第四章：朴素贝叶斯 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器 Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类 代码 第五章：物流（Logistic回归） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（六）：Logistic回归基础篇之梯

决策树回归DecisionTreeRegressor

理解DecisionTreeRegressor的原理，并编程实践。python语言编写。机器学习实验二。附有实验报告，

纯python实现机器学习之kNN算法示例

前面文章分别简单介绍了线性回归，逻辑回归，贝叶斯分类，并且用python简单实现。这篇文章介绍更简单的 knn， k-近邻算法（kNN，k-NearestNeighbor）。 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标数据最为相似）。 原理 kNN算法的核心思想是用距离最近(多种衡量距离的方式)的k个样本数据来代表目标数据的分类。 具体讲，存在训练样本集， 每个样本都包含数据特征和所属分类值。 输入新的数据，将该数据和训练样本集汇中每一个样本比较，找

实现KNN、SVM、贝叶斯算法的文本分类系统

本系统实现了KNN、朴素贝叶斯和SVM三种分类算法下的文本分类自带训练集和测试集。

员工减员数据分析：对公司进行减员数据集的多个分类（KNN，朴素贝叶斯，随机森林，决策树，ANN，SVM），以预测公司对减员的主要贡献从而提高生产率

员工减员数据分析：对公司进行减员数据集的多个分类（KNN，朴素贝叶斯，随机森林，决策树，ANN，SVM），以预测公司对减员的主要贡献从而提高生产率

adaboost 和knn算法的结合用于人脸识别的程序

这是用MATLAB编写的ADABOOST程序，已经过测试可用，读入YALE库或其他公共人脸库，直接调用程序即可

机器学习（3）-简单线性回归：数据集与源码下载

机器学习（3）-简单线性回归：数据集与源码下载数据集与源码下载。博客当中用到的源码与数据集

线性回归数据集

.csv格式的线性回归的实验数据集，可以比较简单地拟合成一个直线。

决策树与Adaboost

Boosting, 也称为增强学习或提升法，是一种重要的集成学习技术， 能够将预测精度仅比随机猜度略高的弱学习器增强为预测精度高的强学习器，这在直接构造强学习器非常困难的情况下，为学习算法的设计提供了一种有效的新思路和新方法。其中最为成功应用的是，Yoav Freund和Robert Schapire在1995年提出的AdaBoost算法。 AdaBoost是英文"Adaptive Boosting"（自适应增强）的缩写，它的自适应在于：前一个基本分类器被错误分类的样本的权值会增大，而正确分类的样本的权值会减小，并再次用来训练下一个基本分类器。同时，在每一轮迭代中，加入一个新的弱分类器，直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数才确定最终的强分类器。

AdaBoost_knn-adaboost_random_adaboostmatlab_adaboost_

matlab adaboost knn SVMa random froest

Adaboost回归预测与分类代码（带测试数据）

这是集成学习Adaboost的matlab代码 包括：回归预测、分类 以BP为基学习器进行分类和回归学习

集成学习-Adaboost

集成学习中的boosting算法，原理及讲解。Adaboost算法基本原理就是将多个弱分类器（弱分类器一般选用单层决策树）进行合理的结合，使其成为一个强分类器

基于SVM的AdaBoost

论文将怎么使用SVM构建强分类器，讲的特别好，中间还有讲解RBF-SVM参数的意义。

第十五届蓝桥杯大赛软件赛省赛-PythonB组题目

您正在寻找的是第十五届蓝桥杯大赛软件赛省赛Python B组的题目全集。蓝桥杯大赛作为国内知名的计算机程序设计竞赛，一直以来都以其高水平的题目和严格的评选标准而备受瞩目。本次大赛的Python B组题目更是涵盖了众多编程领域的知识点，无论是算法设计、数据结构还是编程技巧，都考验了参赛者的深厚实力。 这份题目全集以PDF格式呈现，清晰易读，方便您随时查阅和学习。每一道题目都经过精心设计和筛选，旨在考察参赛者的编程思维、问题解决能力以及创新能力。无论您是正在准备参赛的选手，还是对编程感兴趣的爱好者，这份题目集都将为您提供一个极好的学习和挑战的平台。 通过这份题目集，您可以深入了解蓝桥杯大赛的出题风格和难度，熟悉各种编程问题的解题思路和方法，从而提升自己的编程能力和竞技水平。此外，这些题目也是极好的练习材料，可以帮助您巩固和拓展编程知识，提高解决实际问题的能力。 适用人群： 蓝桥杯大赛参赛选手 计算机专业学生 编程爱好者 对算法和数据结构有兴趣的学习者 资源特点： 高质量的题目设计，涵盖广泛的知识点 清晰易读的PDF格式，方便查阅和学习 提供解题思路和方法，有助于提升编程能力

《点燃我温暖你》中李峋的同款爱心代码

python做的《点燃我温暖你》中李峋的同款爱心代码，最还原的

122版本Chrome最新驱动-122.0.6261.58

适用于最新的谷歌浏览器版本 122.0.6261.58, 主要用于selenium自动化操作,Python调试脚本,经测试可正常使用。

第十五届蓝桥杯大赛软件赛省赛-PythonA组题目

第十五届蓝桥杯大赛软件赛省赛Python A组题目 大家好！我很高兴与大家分享这份珍贵的资源——第十五届蓝桥杯大赛软件赛省赛Python A组的题目集。这份PDF文件详细收录了本次大赛的所有题目，是每一位热爱编程、特别是Python编程的朋友们不可多得的参考资料。 内容概述： 题目类型丰富：包含了多种题型，从基础的选择题、填空题，到更具挑战性的编程题，全方位考察参赛者的编程能力和问题解决能力。 知识点全面：题目涉及Python语言的基础知识、数据结构与算法、逻辑推理等多个方面，是检验和巩固Python编程技能的好帮手。 实战性强：题目设计贴近实际，不仅能够帮助参赛者提升编程技能，还能增强他们在实际问题中的应对能力。 适用人群： 准备参加蓝桥杯大赛或其他编程竞赛的学生和爱好者。 希望通过实战题目提升Python编程技能的开发者。 对编程有兴趣，希望了解蓝桥杯大赛题目风格的朋友。 学习建议： 建议在掌握Python基础知识后再进行题目的学习和练习。 对于每个题目，可以先尝试自己解决，再对照答案进行学习和总结。 可以结合其他编程资料和在线教程，加深对题目涉及知识点的理解。

Python入门基础教程全套.ppt

Python入门基础