classifier

Maven

Maven坐标通过一些元素进行定义，包括groupId、artifactId、version、packaging、classifier。
潘仁亮·2014-10-23 07:00

Weka算法Classifier-meta-AdaBoostM1源码分析（二）

三、基分类器AdaBoostM1使用的默认基分类器是weka.classifiers.trees.DecisionStump，名字直译过来就是决策桩（这什么名字？！），其分类方法类似于ID3算法的节点分裂算法，如果是枚举型的，遍历所有属性，选出其中一个属性，使使用该属性进行分类后的熵增益最大，如果是数值型的，选择一个节点做二分，使分类后方差最小。但和决策树不同的是，并不做递归的树生长，只做一次节点
ROger__wonG·2014-10-06 11:00

Weka算法Classifier-meta-AdaBoostM1源码分析（一）

多分类器组合算法简单的来讲常用的有voting,bagging和boosting，其中就效果来说Boosting略占优势，而AdaBoostM1算法又相当于Boosting算法的“经典款”。Voting思想是使用多分类器进行投票组合，并按照少数服从多数（大多数情况）来决定最终的分类，缺点是少数服从多数的规则往往只能避免达到最差的情况却也很难达到最少的情况。Bagging思想是有放回的随机抽样来训练
ROger__wonG·2014-10-04 23:00

Weka算法Classifier-trees-REPTree源码分析（二）

（接上篇）一、剪枝过程上篇分析完了tree节点的构建过程，在REPTree.buildClassifier之后如果设置了剪枝选项，则还有一个剪枝和backfit过程。if(!m_NoPruning){ m_Tree.insertHoldOutSet(prune); m_Tree.reducedErrorPrune(); m_Tree.backfitHoldOutSet(); }其中insertHo
ROger__wonG·2014-09-21 21:00

Weka算法Classifier-trees-REPTree源码分析（一）

一、算法关于REPTree我实在是没找到什么相关其算法的资料，或许是Weka自创的一个关于决策树的改进，也许是其它某种决策树方法的别名，根据类的注释：Fastdecisiontreelearner.Buildsadecision/regressiontreeusinginformationgain/varianceandprunesitusingreduced-errorpruning(withb
ROger__wonG·2014-09-21 20:00

分类与聚类算法基础了解

Classification(分类)，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力
yinlili2010·2014-09-16 13:00

Weka算法Classifier-trees-RandomTree源码分析

一、RandomTree算法在网上搜了一下，并没有找到RandomTree的严格意义上的算法描述，因此我觉得RandomTree充其量只是一种构建树的思路，和普通决策树相比，RandomTree会随机的选择若干属性来进行构建而不是选取所有的属性。Weka在实现上，对于随机属性的选取、生成分裂点的过程是这样的：1、设置一个要选取的属性的数量K2、在全域属性中无放回的对属性进行抽样3、算出该属性的信息
ROger__wonG·2014-09-14 21:00

Weka算法Classifier-meta-Bagging源码分析

Bagging部分比较简单，算法和代码放到一起写了。一、Bagging算法严格来看Bagging并不能算是一种分类算法，Bagging和Boosting一样，是一种组合基本分类器的方法，也就是使用多个基分类器来获取更为强大的分类器，其核心思想是有放回的抽样。Bagging算法的训练流程：1、从样本集中有放回的抽样M个样本。2、用这M个样本训练基分类器C。3、重复这个过程X次，得到若干个基分类器。B
ROger__wonG·2014-09-14 19:00

Weka算法Classifier-tree-RandomForest源码分析（二）代码实现

RandomForest的实现异常的简单，简单的超出博主的预期，Weka在实现方式上组合了Bagging和RandomTree。一、RandomForest的训练构建RandomForest的代码如下：publicvoidbuildClassifier(Instancesdata)throwsException{ //canclassifierhandlethedata? getCapabili
ROger__wonG·2014-09-09 22:00

Weka算法Classifier-tree-RandomForest源码分析（一）算法

RandomForest一、算法介绍RandomForest应该算是一个特别简单但是有效的算法，其核心思想是通过训练和组合不同的决策树，形成森林，最后的分类结果由这多棵树进行投票来决定。在介绍RandomForest之前，首先介绍一下TreeBagging二、BaggingBagging又叫做BooststrapAggregatiing，也是一种组合多个分类器来得到一个能力更强的分类器的方法，其训
ROger__wonG·2014-09-08 20:00

Weka算法Classifier-tree-J48源码分析（四）总结

一、ClassifyInstance首先先说一下构造好的分类树是如何对一个新的Instance进行区分。直观上，会对树进行一个检索，从根节点根据属性的不同，最终走到叶子节点，得到具体的分类。但Weka在实现上，是遍历了这个Instance属于不同的class的可能性，并从中选出了一个最大的，代码如下：publicdoubleclassifyInstance(Instanceinstance) th
ROger__wonG·2014-09-08 15:00

Weka算法Classifier-tree-J48源码分析（三）ModelSelection

ModelSelection主要是用于选择合适的列对数据集进行分割，结合上一篇J48的主流程，发现用到的ModelSelection有 C45ModelSelection以及BinC45ModelSelection，先来分析C45ModelSelection。一、C45ModelSelection首先作为一个ModelSelection接口，实现的主要方法有两个，分别是selectModel(In
ROger__wonG·2014-09-07 21:00

Weka算法Classifier-tree-J48源码分析（二）ClassifierTree

一、问题主要带着四个问题去研究J48的实现。1、如何控制分类树的精度。2、如何处理缺失的值（MissingValue）3、如何对连续值进行离散化。4、如何进行分类树的剪枝。二、BuildClassifier每一个分类器都会实现这个方法，传入一个Instances对象，在这个对象基础上进行来构建分类树。核心代码如下：publicvoidbuildClassifier(Instancesinstanc
ROger__wonG·2014-09-07 15:00

Weka算法Classifier-tree-J48源码分析（一）算法和基本数据结构

大概一年没打理博客了，重新拿起笔不知道该从哪里写起，想来想去就从最近手头用的Weka写起吧。Weka为一个Java基础上的机器学习工具，上手简单，并提供图形化界面，提供如分类、聚类、频繁项挖掘等工具，本篇文章主要写一下分类器算法中的J48算法及其实现。一、算法J48是基于C4.5实现的决策树算法，对于C4.5算法相关资料太多了，笔者在这里转载一部分（来源：http://blog.csdn.net/
ROger__wonG·2014-09-01 23:00

casecade结构和HAAR检测流程

CvHaarClassifierCascade结构，//cascade为CvHidHaarClassifierCascade结构for(i=0;icount;i++){   intj,k,l;   for(j=0;jstage_classifier
nongfu_spring·2014-09-01 11:00

Maven学习笔记(四)：坐标与依赖

Maven坐标详解：   Maven定义了这样一组规则：世界上任何一个构件都可以使用Maven坐标唯一标识，Maven坐标的元素包括groupId、artifactId、version、packaging、classifier
Troy__·2014-08-28 20:00

Maven 环境下使用 proguard-maven-plugin 插件混淆你的源码

二、Maven配置1、Project1的pom.xml该pom.xml比较简单主要通过 classifier来判断是否使用混淆的Jar（Project2） 4.0.0 org.noahx.proguard.e
NoahX·2014-08-20 15:00

【Maven】坐标和依赖

坐标Maven坐标为各种构件引入了秩序，任何一个构件都必须明确定义自己的坐标，而一组Maven坐标是通过一些元素定义的，它们是：groupId,artifactId,version,packaging,classifier
robinjwong·2014-08-19 23:00

分类和聚类的区别及各自的常见算法

1、分类和聚类的区别：Classification(分类)，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行
DQ_DM·2014-07-28 15:28

分类和聚类的区别及各自的常见算法

1、分类和聚类的区别：Classification(分类)，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行
DQ_DM·2014-07-28 15:28

Weka：Problem evaluating classifier:libsvm classes not in CLASSPATH

Weka3.5后增加了libsvm这个选项，在分类器中的functions下面。但是，试图运行的时候，系统提示：Problemevaluatingclassifier:libsvmclassesnotinCLASSPATH。这是因为Weka只是提供了Libsvm的Wrapper调用机制，必须要安装Libsvm后将附带的jar路径添加到Weka的启动路径中。怎么解决呢？我的Weka版本较新（3.5.
pymqq·2014-07-17 11:00

朴素贝叶斯算法分析及java 实现

1.先引入一个简单的例子出处：http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html一、病人分类的例子让我从一个例子开始讲起
fz2543122681·2014-06-27 17:00

《集体智慧编程》代码勘误：第六章

一：勘误classifier类中：    deffprob(self,f,cat): ifself.catcount(cat)==0: return0 #notice:remberchangeinttodoubleorfloat
shiquxinkong·2014-06-22 21:00

kaggle ： StumbleUpon Evergreen Classification Challenge

StumbleUpon Evergreen Classification Challenge------2013/08/16 -- 2013/10/31一 背景Build a classifier to
hero_fantao·2014-06-22 15:00

mahout之TrainNaiveBayesJob源码分析

所在包：org.apache.mahout.classifier.naivebayes.training TrainNaiveBayesJob的输入是在tfidf文件上split出来的一部分，用作训练
wbj0110·2014-06-19 10:00

mahout之TrainNaiveBayesJob源码分析

所在包：org.apache.mahout.classifier.naivebayes.training TrainNaiveBayesJob的输入是在tfidf文件上split出来的一部分，用作训练
wbj0110·2014-06-19 10:00

mahout之TrainNaiveBayesJob源码分析

所在包：org.apache.mahout.classifier.naivebayes.training TrainNaiveBayesJob的输入是在tfidf文件上split出来的一部分，用作训练
wbj0110·2014-06-19 10:00

maven二 maven的pom.xml文件详解

1：maven的pom.xml配置文件最重要的就是dependency的配置即jar包的依赖Maven坐标有groupId,artifactId,packaging,version,classifier
xyy511·2014-06-11 17:00

mahout源码分析之贝叶斯算法

分类算法部分的实现被分作三个部分：训练器（The Trainer）、数据模型（The Model）、分类器（The Classifier）。
wbj0110·2014-06-11 09:00

mahout源码分析之贝叶斯算法

分类算法部分的实现被分作三个部分：训练器（The Trainer）、数据模型（The Model）、分类器（The Classifier）。
wbj0110·2014-06-11 09:00

mahout源码分析之贝叶斯算法

分类算法部分的实现被分作三个部分：训练器（The Trainer）、数据模型（The Model）、分类器（The Classifier）。
wbj0110·2014-06-11 09:00

OpenCV Machine Learning 之正态贝叶斯分类器源代码分析（Normal Bayes Classifier）

1. CvNormalBayesClassifier的 类定义在ml.hpp中有以下类定义：[cpp] viewplaincopyprint?class CV_EXPORTS_W CvNormalBayesClassifier : public CvStatModel  {  public:      CV_WRAP CvNormalBayesClassifier();      virtual 
zhjm07054115·2014-06-04 18:00

OpenCV Machine Learning 之正态贝叶斯分类器（Normal Bayes Classifier）的用法实例

本编博客通过以学生成绩为特征对学生进行分类，判断他是文科生还是理科生向大家分享OpenCV贝叶斯分类器的用法。该类的详细解释请看博文：http://blog.csdn.net/zhjm07054115/article/details/27631913分类器的用法大致分三步：第一步：构造已知标签的训练样本数据集第二步：训练分类器 （对应于train函数）第三步：用训练好的分类器对未知标签的样本进行分
zhjm07054115·2014-06-03 23:00

在Eclipse下，采用mulan多标签分类软件进行一个简单的测试实验

importmulan.classifier.lazy.MLkNN; importmulan.classifier.lazy.IBLR_ML; i
woyaopojie1990·2014-05-29 13:00

华为交换机QOS限速

trafficclassifier10M if-matchanytrafficbehavior10M             carcir10240 trafficpolicy10M （或qospolicy100M 华三设备） classifier10Mbehavior10MinterfaceGigabitEthernet0
zhanguo1110·2014-05-26 13:11

支持向量机(SVM)（三）-- 最优间隔分类器（optimal margin classifier）

在之前为了寻找最有分类器，我们提出了如下优化问题：在这里我们可以把约束条件改写成如下：首先我们看下面的图示：很显然我们可以看出实线是最大间隔超平面，假设×号的是正例，圆圈的是负例。在虚线上的点和在实线上面的两个一共这三个点称作支持向量。现在我们结合KKT条件分析下这个图。我们从式子和式子可以看出如果那么，这个也就说明时，w处于可行域的边界上，这时才是起作用的约束。 1、那我们现在可以构造拉格朗日函
u011067360·2014-05-08 18:00

maven实战（3）-- dependency <classifier>的使用

Maven的classifier的作用转自：http://blog.csdn.net/lovingprince/article/details/5894459直接看一个例子，maven中要引入json包
xyls12345·2014-04-20 12:00

【数据挖掘】聚类之k-means

1.算法简述分类是指分类器（classifier）根据已标注类别的训练集，通过训练可以对未知类别的样本进行分类。分类被称为监督学习（supervisedlearning）。
lifehack·2014-04-18 21:00

python并行调参——scikit-learn grid_search

classifier分类时迭代几次？学习率怎么设？……“循环一个个试过来啊”……啊好吧，matl
abcjennifer·2014-04-17 14:00

Mahout线性回归算法源码分析（1）--实战

版本：mahout0.9Mahout里面使用逻辑回归（logisticregression）的主要两个类是org.apache.mahout.classifier.sgd.TrainLogistic、org.apache.mahout.classifier.sgd.RunLogistic
fansy1990·2014-04-15 16:00

Maven 的classifier的作用

jar的名称中多了一个跟JDK相关的名称，例如jdk15，按照上面的配置，明显是找不到这个jar的，于是classifier就有它的用武之地了，它表示在相同版本下针对不同的环境或者jdk使用的jar,如果配置了这个元素
liyuanchao2004·2014-04-03 20:00

聚类 Vector Quantization

Clustering 中文翻译作“聚类”，简单地说就是把相似的东西分到一组，同Classification(分类)不同，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子
hua_007·2014-03-06 12:00

朴素贝叶斯分类器的应用

原文地址：http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html生活中很多场合需要用到分类，比如新闻分类、病人分类等等。
xidianzhimeng·2014-02-26 11:00

[置顶] 【机器学习实战之二】：C++实现基于概率论的分类方法--朴素贝叶斯分类（Naive Bayes Classifier）

朴素贝叶斯分类算法是机器学习中十分经典而且应用十分广泛的算法，下面将逐步学习和说明。一、条件概率：     条件概率是概率论中的一个重要实用的概念。所考虑的是事件A已经发生的条件下事件B发生到概率。       （一）条件概率定义设A，B是两个事件，且P(A)>0，称：P(B|A)=P(AB)/P(A);为在事件A发生的条件下事件B发生的条件概率。       （二）乘法定理设P(A)>0，则有P
lavorange·2014-02-22 16:00

【理论】支持向量机1: Maximum Margin Classifier —— 支持向量机简介

【原文：http://blog.pluskid.org/?p=632】支持向量机即 SupportVectorMachine，简称SVM。我最开始听说这头机器的名号的时候，一种神秘感就油然而生，似乎把Support这么一个具体的动作和Vector这么一个抽象的概念拼到一起，然后再做成一个Machine，一听就很玄了！不过后来我才知道，原来SVM它并不是一头机器，而是一种算法，或者，确切地说，是一类
zhazhiqiang2010·2014-02-19 15:00

Java实现的朴素贝叶斯分类器

    这里只贴出来实现贝叶斯分类预测的部分： package classifier; import java.util.ArrayList; import java.util.HashMap
RangerWolf·2014-02-15 16:00

Maven Android使用一

 Maven的坐标包括：groupId、artifactId、version、packaging、classifier。
·2014-01-26 17:00

从摄像头中检测脸并保存图像

改写自：http://docs.opencv.org/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html#include"opencv2
lichengyu·2014-01-21 23:00

Weka中的特征选择(Attribute selection)

/weka.wiki.sourceforge.net/Use+Weka+in+your+Java+code的说法，在使用weka进行分类时，其实没有必要在代码中直接使用特征选择类，因为已经有meta-classifier
上善之若水·2014-01-17 14:23

cvHaarDetectObjects 解析（2）

**************************/ #defineCV_HAAR_MAGIC_VAL0x42500000 #defineCV_TYPE_NAME_HAAR"opencv-haar-classifier
sunboyiris·2014-01-09 11:00
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他