注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 随机森林模型在分类与回归分析中的应用

  2. 随机森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一种基于分类树的算法 它通过 对大量分类树的汇总提高了模型的预测精度 是取代神经网络等传统机器学习方法的新的模型 随机森林的运 算速度很快 在处理大数据时表现优异 随机森林不需要顾虑一般回归分析面临的多元共线性的问题 不用做变 量选择 现有的随机森林软件包给出了所有变量的重要性 另外 随机森林便于计算变量的非线性作用 而且可 以体现变量间的交互作用 interaction 它对离群值也不敏感 本文

  3. 所属分类：专业指导

    • 发布日期：2014-05-10
    • 文件大小：1048576
    • 提供者：sinat_15242403

  1. 基于随机森林的特征提取方法

  2. 提出一种基于随机森林和转导推理的特征提取方法, 步骤如下: 1)利用带标签的训练样本建立随机森林模型; 2) 将无标签的测试数据导入随机森林模型中,生成全体数据(训练样本和测试数据)的相似性矩阵; 3)对该相似性矩阵进行 多维尺度变换得到全体数据的低维数据表示,即低维特征,使得原高维数据在低维空间中具有更好的可分性. UCI 数据 库的实验结果表明: 与主成分分析方法相比, 该方法将无标签测试集的数据分布信息转移到相似性矩阵中,更好地刻画 整个样本空间上的数据分布特性,从而提高分类器的性能,是

  3. 所属分类：机器学习

    • 发布日期：2018-07-05
    • 文件大小：365568
    • 提供者：weixin_40966484

  1. 集成学习：随机森林、GBDT、XGBoost.rar

  2. 机器学习中集成学习的相关案例代码，包含随机森林，GBDTXBoost等理论所所涉及的案例，包含房价预测，宫颈癌预测，分类回归算法,等案例代码。平常多练练，也用于记录一下，学习学习。

  3. 所属分类：机器学习

    • 发布日期：2020-01-05
    • 文件大小：534528
    • 提供者：weixin_40302264

  1. 随机森林算法的matlab实现

  2. 随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。

  3. 所属分类：机器学习

    • 发布日期：2019-03-16
    • 文件大小：33792
    • 提供者：qq_41611588

  1. 机器学习-06. 多分类、决策树分类、随机森林分类（下）

  2. 人工智能基础视频教程零基础入门课程 第六章（下） 人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。 第一章 人工智能开发及远景介绍（预科） 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Ten

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：705691648
    • 提供者：suolong123

  1. 机器学习-06. 多分类、决策树分类、随机森林分类（上）

  2. 人工智能基础视频教程零基础入门课程 第六章（上） 人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。 第一章 人工智能开发及远景介绍（预科） 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Ten

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：499122176
    • 提供者：suolong123

  1. 基于随机森林算法的旋转机械齿轮组故障诊断

  2. 针对单一的分类器用于旋转机械故障诊断时存在准确率不高的问题,提出一种基于随机森林算法的旋转机械齿轮组故障诊断方法。该方法利用随机森林多分类器组合决策树的思想,通过多分类器的组合学习提高故障诊断的准确率,并在风力涡轮动力传动系统故障诊断模拟器系统上进行了多工况多故障的实验验证。首先,收集多工况、多故障的齿轮传感器信号,提取传感器信号的时域特征作为随机森林的输入特征量。然后,利用构建好的随机森林模型进行齿轮组的故障诊断,并将随机森林算法的分类结果与支持向量机方法的分类结果进行对比。通过对故障诊断结果

  3. 所属分类：其它

    • 发布日期：2020-07-25
    • 文件大小：1048576
    • 提供者：weixin_38587924

  1. 结合分块模糊熵和随机森林的图像分类方法

  2. 为提高图像分类性能，提出了一种图像分类方法。其基本思想是将图像内容的不确定性描述看作是一个随机过程，采用分块模糊熵来提取图像特征，采用随机森林方法进行特征分类。首先，考虑全局和局部特性，将图像划分为多个图像子块；然后，对每一个图像子块进行模糊c均值聚类，提取模糊熵特征；接着，通过归一化处理，得到图像的模糊熵特征向量；最后，构造随机森林分类器，实现模糊熵特征向量的分类。实验结果表明，该方法的错分率低，分类耗时少。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：586752
    • 提供者：weixin_38743119

  1. Python决策树和随机森林算法实例详解

  2. 本文实例讲述了Python决策树和随机森林算法。分享给大家供大家参考，具体如下： 决策树和随机森林都是常用的分类算法，它们的判断逻辑和人的思维方式非常类似，人们常常在遇到多个条件组合问题的时候，也通常可以画出一颗决策树来帮助决策判断。本文简要介绍了决策树和随机森林的算法以及实现，并使用随机森林算法和决策树算法来检测FTP暴力破解和POP3暴力破解，详细代码可以参考： https://github.com/traviszeng/MLWithWebSecurity 决策树算法 决策树表现了对象属性和

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：161792
    • 提供者：weixin_38678498

  1. 机器学习——基于Bagging的集成学习：随机森林（Random Forest）及python实现

  2. 基于Bagging的集成学习：随机森林的原理及其实现引入Bagging装袋随机森林随机森林分类随机森林回归python实现随机森林分类随机森林回归 引入 “三个臭皮匠赛过诸葛亮”——弱分类器组合成强分类器。 Q1.什么是随机森林？ 随机森林顾名思义就是一片森林，其中有各种各样的树，其实，随机森林是基于决策树构成的，一片森林中的每一颗树就是一个决策树。想了解决策树算法详情请戳☞决策树原理及其实现☜ Q2.为什么叫随机森林？ 随机森林中“随机”一词主要在于两点：“随机”取样；“随机”抽取特征。 了解

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：238592
    • 提供者：weixin_38663443

  1. song-classification-project:使用Logistic回归，KNN，决策树，随机森林和XGBoost对Spotify摇滚歌曲进行多标签分类到音乐时代（Flatiron Project 3）-源码

  2. 项目3：多分类 作者：Khyatee Desai和David Shin 概述 Spotify一直在寻求创建其他功能和播放列表，以使用户发现来自不同流派和时代的新歌手。 新增内容可能会导致现有用户续订该应用程序的每月订阅，并希望扩展其音乐种类。 以下分析旨在证明音乐可以根据其音乐属性所源自的时间段进行分类。 通过类型分类发现新歌手不仅使用户受益，而且使歌手和Spotify受益。 未知的艺术家将从更多的发现方法中受益，Spotify可能获得更多的收入和更多的数据。 业务问题 要开发最佳功能和播放列表

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：32505856
    • 提供者：weixin_42165980

  1. 如何在MLlib中实现随机森林和梯度提升树（GBTs）？

  2. Spark1.2在MLlib中引入了随机森林和梯度提升树(GBTs).这两种机器学习方法适用于分类和回归，且是在机器学习算法中应用得最多和最成功的算法。随机森林和GBTs都是集成学习算法，它们通过集成多棵决策树来实现强分类器。这篇博文中，我们会阐述这些模型及其他们在MLlib中的分布式实现。我们也给出一些简单例子和要点以便你知道如何上手。简单来说，集成学习方法就是基于其他的机器学习算法，并把它们有效的组合起来的一种机器学习算法。组合产生的算法相比其中任何一种算法模型更强大、准确。在MLlib1.

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：437248
    • 提供者：weixin_38519849

  1. 用通俗易懂的方式剖析随机森林

  2. 随机森林是现在比较流行的一个算法。对于回归和分类问题有很好的效果。大家有可能有过这样的经历，辛辛苦苦搭好神经网络，最后预测的准确率还不如随机森林。既然随机森林这么好用，那它的内在的机理到底是什么呢？接下来将会用通俗易懂的方式讲一讲随机森林。1.什么是随机森林随机森林分解开来就是“随机”和“森林”。“随机”的含义我们之后讲，我们先说“森林”，森林是由很多棵树组成的，因此随机森林的结果是依赖于多棵决策树的结果，这是一种集成学习的思想。森林里新来了一只动物，森林举办森林大会，判断这到底是什么动物，每棵

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：178176
    • 提供者：weixin_38528086

  1. 来自HMW8卫星的Random-Forest_Rainfall-Estimation：使用随机森林机器学习方法从himawari-8卫星多波段数据进行降雨估计-源码

  2. HMW8卫星的随机森林降雨估算 使用随机森林，从himawari-8卫星多波段数据估算雨量 模型随机森林机器学习 数据未上传是因为数据过大且保密，因为它具有处理数据的低谷。 如果您有兴趣并想查看数据，可以给我发邮件： 使用的数据IR波段Himawari 8空间分辨率：2kmx2km时间分辨率：所有波段的10分钟组合。 9段+ 36分割窗口。 在一年八月2018-七月2019 在ftp://hmwr829gr.cr.chiba-u.ac.jp/gridded/FD/V20151105/免费下

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：1048576
    • 提供者：weixin_42131628

  1. 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-源码

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：9437184
    • 提供者：weixin_42120405

  1. 基于随机森林的机载激光全波形点云数据分类方法

  2. 针对机载全波形数据，提出了一种基于随机森林法的点云分类算法。通过全波形分解获得振幅，回波次数以及回波宽度，结合提出的特征提取方法，构建一个多维特征向量并进行特征选择，利用随机森林法将激光点云分为植被,地面以及建筑物三类。通过对比分析随机森林和支持向量机两种分类方法，实验结果表明所提取的特征在随机森林分类中具有良好的稳定性以及高效性，能够在城市分类应用中取得较好的分类效果。

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：1048576
    • 提供者：weixin_38649838

  1. 基于多光谱成像和随机森林算法的石窟表面风化智能评估方法

  2. 现有的石窟表面风化程度评估多使用人工局部测量方法,这种方法存在效率较低且评估结果易受主观因素影响等问题,鉴于此,提出了一种多光谱成像与随机森林算法相结合的石窟表面风化智能量化评估方法。通过多光谱成像提取的石窟表面光谱信息对风化类型及风化程度进行表征;利用多光谱特征数据重组和标准化处理建立训练、测试及预测样本;基于最小相对熵理论设计损失函数,训练随机森林算法模型,提取不同风化类型及风化程度样本数据的光谱特征;利用训练后具有特征感知能力的分类模型对石窟多光谱图像每个像素点的风化类型及风化程度进行智能

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：4194304
    • 提供者：weixin_38705004

  1. twitter_sentiment_bert_scikit：Twitter美国航空数据集情感分析（情感分析），使用Bert句子编码作为特征，实现了SVM，XGBoost，RandomForest（随机森林）多个分类器-源码

  2. twitter_sentiment_bert_scikit Twitter美国航空数据集情感分析（情感分析），使用Bert句子编码作为特征，实现了SVM，XGBoost，RandomForest（随机森林）等多个分类算法，从而进行了交叉验证。 数据来自 预安装 我们在Python 3环境中运行该项目，建议您使用Anaconda 3通过以下脚本安装所需的软件包。 当然，您可以使用pip进行安装。 conda create -n tweet_sentiment -c anaconda pyth

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42131276

  1. 基于随机森林与D-S 证据合成的多源遥感分类研究

  2. 激光扫描与测距系统(LIDAR)所获取的点云数据能够表达地物的三维信息，而光谱相机能够获得同场景的四个波段的多光谱信息。二者从不同的侧面表现了地物的特征，但不同特征对分类精度的贡献具有较大的差异。提取不同类型的地物特征，将特征分成四组；以随机森林为分类框架，得到不同特征子集的重要性测度和每个像元对各类别的隶属度；提出自适应D-S 证据方法对各特征子集的分类证据进行合成，实现地物类别信息提取。充分利用两分类器的优点挖掘分析遥感不确定性信息,实验结果表明，分类精度达到90%，能够达到应用要求。但通过

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_38723516

  1. 基于稀疏编码和随机森林的多帧图像超分辨率算法

  2. 针对多帧低分辨率图像重建问题，提出了基于稀疏编码和随机森林的超分辨率算法。首先，使用高分辨率训练图像和低分辨率训练图像获取高分辨率字典；然后，使用重叠块缓解块边界的振铃现象，并使用反向投影保证全局一致性；最后，利用稀疏编码提取和融合LR图像中的有用信息，随机森林完成分类。实验结果表明，相比其他几种较新的超分辨率算法，本文算法重建获得的峰值信噪比（PSNR）最高，重建后的图像最为自然，且具有较快的运行速度。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38557768
« 12 3 4 5 6 7 »