Advertisement

fashionmnist_SVM_支持向量机实验_

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本实验采用Fashion MNIST数据集，运用支持向量机(SVM)进行图像分类研究，探索SVM在时尚物品识别中的应用效果。 在Fashion MNIST数据集上进行SVM分类及参数调整。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • fashionmnist_SVM_支持向量机实验_
    优质
    本实验采用Fashion MNIST数据集，运用支持向量机(SVM)进行图像分类研究，探索SVM在时尚物品识别中的应用效果。 在Fashion MNIST数据集上进行SVM分类及参数调整。
  • 支持向量机分类实验（实验5）.doc
    优质
    本文档为《支持向量机分类实验》报告，是系列实验中的第五部分。内容涵盖支持向量机原理及应用，并通过具体实例展示其分类能力。 1. 掌握支持向量机的原理。 2. 能够理解支持向量机分类算法。 3. 熟练运用sklearn库中的支持向量机分类算法。
  • 超球面支持向量机.rar_支持向量机_球支持向量机_超球_超球向量机_超球支持向量机
    优质
    本资源介绍了一种先进的机器学习技术——超球面支持向量机，结合了传统支持向量机、球支持向量机的优点，适用于复杂数据分类和回归分析。 超球支持向量机可以用于一次分类、二次分类和支持向量机回归。
  • 支持向量机与交叉验证
    优质
    简介：支持向量机（SVM）是一种强大的机器学习算法，用于分类和回归分析。交叉验证技术能有效评估SVM模型性能并优化参数选择。 在支持向量机（SVM）参数设置过程中可以使用交叉验证法，并结合网格搜索进行优化。
  • MATLAB_LS_SVM.rar_SVM回归_LSSVM_支持向量机_支持向量回归
    优质
    本资源包提供MATLAB实现的支持向量机(SVM)与最小二乘支持向量机(LS-SVM)代码，涵盖SVM及LS-SVM回归应用。适用于机器学习研究和实践。 最小二乘支持向量机用于多元非线性回归分析及非线性拟合与预测。
  • 支持向量回归：我用Python和R将支持向量机实现为...
    优质
    本文介绍了如何使用Python和R语言实现支持向量回归，并探讨了支持向量机在回归分析中的应用。通过详细代码示例，帮助读者掌握这一机器学习关键技术。 对于这个特定项目，我们采用了支持向量回归方法，并且使用了两种内核结构。其中一种是RBF模型。需要注意的是，在进行操作时应将cross_validation替换为model_selection。
  • 支持向量机SVM与支持向量回归SVR算法集合（已验证有效）
    优质
    本资料集包含了经验证有效的支持向量机(SVM)及支持向量回归(SVR)算法实现，适用于机器学习领域的研究和应用。 适合初学者学习的SVM、SVR工具箱包含了两种分类算法和两种回归算法，以及一种一类支持向量机算法： 1. Main_SVC_C.m --- C_SVC 二类分类算法 2. Main_SVC_Nu.m --- Nu_SVC 二类分类算法 3. Main_SVM_One_Class.m --- One-Class 支持向量机 4. Main_SVR_Epsilon.m --- Epsilon_SVR 回归算法 5. Main_SVR_Nu.m --- Nu_SVR 回归算法 另外，目录下以Main_开头的文件是主程序文件，可以直接运行。所有程序在Matlab6.5环境中调试通过，在其他版本中可能无法保证正常运行。
  • 支持向量机(SVM)PPT
    优质
    本PPT旨在介绍和支持学习理解支持向量机（SVM）这一机器学习算法。通过清晰讲解其原理、应用及优缺点，帮助听众掌握SVM的核心概念和实际操作技巧。 我分享了一个关于SVM总结的PPT，在其中介绍了硬间隔的概念，并给出了简要的推导过程。这个内容可以帮助大家简单地了解相关知识。
  • THSVM_tablekk5_thsvm_支持向量机_THSVMmatlab_
    优质
    本项目介绍了一种改进的支持向量机算法（THSVM），并提供了其在Matlab环境下的实现代码和应用示例，适用于机器学习领域的研究与开发。 一个基于支持向量机模型改进的双球支持向量机模型代码非常适合用于二分类任务。