TA还没有准备介绍自己
加载中
个人主页
关注
TA的源代码 (3)
MATLAB的单（快速，不详细）变量梯度下降法求解线性回归问题
暂无评分
应用背景这一单变量的（快速）和变化的概要；主要。M是文件的准备，我们的算法所需的所有数据，饲料数据给另一个函数实际上已经实施的算法，然后显示我们的结果。梯度，是具有梯度功能的文件，并在其上实现梯度下降。成本：我是一个简单的文件，它有一个函数，它的参数计算的值的成本函数。此源代码的另一个重要特点是，标准化也包括在内，可以打开或关闭所需的。关键技术
这是函数的单变量变化的一种算法，需要多个步骤的局部极小很快收敛了解决的办法。此代码是必要条件算法工具箱——测试数据包括——下载今天趁现在还可以。
data nowe 1 0
1
matlab多（慢，但更详细）变量的梯度下降法求解线性回归问题
4.0分
应用背景这个多变量（慢）变化的文件的概要；主要。M是文件的准备，我们的算法所需的所有数据，饲料数据给另一个函数实际上已经实施的算法，然后显示我们的结果。梯度，是具有梯度功能的文件，并在其上实现梯度下降。成本：我是一个简单的文件，它有一个函数，它的参数计算的值的成本函数。此源代码的另一个重要特点是，标准化也包括在内，可以打开或关闭所需的。如果你只是想看一下性能，就包含了样本数据测试文件。关键技术这是一个多变量的算法，该算法需要多个步骤，向当地的最小的功能收敛到快速的解决方案。这个代码是你的算法工具箱-测试数据包括-今天-下载，而你仍然可以。
data nowe 5 0
1
MATLAB神经网络函数k_nn_classify和k_nn_evaluate
暂无评分
应用背景你得到的分类器函数求值函数--非常重要--其他代码是瞎扯淡*T，这是真正的交易，我已经用过很多次股票交易，债券，期货，等参数（对于分类侧）：一个包含每个类的特征值的单元格数组。即，F{1}是第一 矩阵的大小numofdimensionsXnumofsamples；类，等。测试：输入待分类样本K：KNN算法参数标准化：使用类先验权重结果usel1distance：使用L1代替L2距离返回（对于分类侧）：一个数组，该数组包含每个类的分类概率winnerclass：胜利者的类标签评价方的参数：特点：和，和，和，和，包含所有功能的细胞阵列，模型和；KNN： ； ； ； ； ； ； ； ；KNN分类器的参数k评价方法： ；1反复坚持验证或 ；2留一evalmethodparams： ；只使用第一种方法。 ；注：此阵 ；包含的重复保持 params；评价方法。第一个元素是在每次迭代中使用的训练数据的比例（例如0.80）和第二个是实验的迭代次数。返回（评价侧）：CM1： ； ； ； ； ； ； ； ；混淆矩阵（一般化）AC1，PR1，RE1，F11：整体精度， ；准确率，召回率 ；和F1措施（一般化）平方厘米： ； ； ； ； ； ； ； ；混淆矩阵（行归一化）AC2，PR2，RE2，F12：整体精度， ；准确率，召回率 ；和F1措施（行归一化）关键技术这是基本的matlab代码k_nn分类与评价（及时行乐）-这是我发现的最可靠的交易的股票，债券，期货，等。所以例如：负荷模型[cm1b，ac1b，PR1b，re1b，f11b，cm2b，2B，pr2b，补偿，12b]=…evaluateclassifier（特点，23，2，[]）；记得在这里分享代码，否则我们都是浪费我们的时间--我会放更多的代码在这里，如果人们认识到如何kickass代码我张贴分享硬币因此-随时PM我，如果你需要一些具体
data nowe 1 0
1
没有更多了~