【KNN分类】基于模拟退火优化KNN、蝗虫算法优化KNN实现数据分类附matlab代码
⛄ 内容介绍 KNN(k Nearest Neighbor)算法是1种简单、有效、非参数的文本分类法,但缺点是样本相似度的计算量大,故不适用于有大量高维样本的文本。一方面,本文分析了KNN算法的优点和缺陷,采用了1种应用特征词提取和特征词聚合的方法来改进KNN算法在特征词提取方面的不足。另一方面,本文又深入研究了模拟退火算法思想,采用退火模拟思想的典型优化组方法和模拟退火算法原理来加快KNN算法的分类...
【DBN分类】基于哈里斯鹰算法优化深度置信网络HHO-DBN实现数据分类附matlab代码
DBN参数采用哈里斯鹰优化算法(HHO)优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能.最后,案例测试显示了所提出模型的有效性. ⛄ 部分代码 %% 基于哈里斯鹰优化DBN实现数据分类附matlab代码 clc; clear; close all; addpath('./HHO') addpath('./DeepBeliefNetworksToolbox') load('d...
python实现新年倒计时代码
最近老想着过年和我的一个哥哥打游戏 于是乎就敲了一个新年倒计时的代码出来 大家用的时候可以更改上面的日期，以后年年都可以用 话不多说，上代码 代码： import datetimeimport sysimport timeimport math spring = datetime.datetime(2023, 1, 31, 0, 0, 0) # 新的一年的日期while True: today ...
深度学习 Day21——利用RNN实现心脏病预测
深度学习 Day21——利用RNN实现心脏病预测 文章目录 深度学习 Day21——利用RNN实现心脏病预测一、前言二、我的环境三、什么是RNN四、前期工作1、设置GPU2、导入数据3、检查数据 五、数据预处理1、划分数据集2、数据标准化 六、构建RNN模型七、编译模型八、训练模型九、模型评估十、最后我想说 一、前言 大概快两个星期没有更新这个专栏的续集了，实在是抱歉，最近发生了很多事，一直都没有时间...
Python实现房产数据分析与可视化 数据分析 实战
Python库的选择 话说，工欲善其事，必先利其器，虽然我们已经选择Python来完成剩余的工作，但是我们需要考虑具体选择使用Pytho的哪些利器来帮助我们更快更好地完成剩余的工作。 我们可以看一下，在这个任务中，主要涉及到四类工作要完成： csv文件的读取； 对读取的数据，按照我们要分析的指标进行数据处理和指标计算； 根据数据分析的结果，生成可视化的数据图表； 通过web页面展示数据分析结果报告； 我...
【Python恶搞】Python实现祝福单身狗的恶搞项目，快发给你的怨种大兄弟 | 附源码
前言 halo，包子们上午好 咱就说，谁还没有一个单身的小伙伴呢 今天这个代码主要是为了祝福咱们单身的小伙伴 咱就说废话不多说，直接上才艺 相关文件 关注小编，私信小编领取哟！ 当然别忘了一件三连哟~~ 公众号：Python日志 源码点击蓝色字体领取 Python零基础入门到精通视频合集 【整整800集】Python爬虫项目零基础入门合集，细狗都学会了，你还不会？ 开发工具 Python版本：3.7....
【Python游戏】今天小编用Python实现了一个植物大战僵尸小游戏 | 附源码
前言 halo，包子们下午好 今天给打击整一个植物大战僵尸 无广告版本 哈哈 说实话，现在的小游戏很多都是有广告，多少有点难受 今天给大家直接安排 相关文件 关注小编，私信小编领取哟！ 当然别忘了一件三连哟~~ 源码点击蓝色字体领取 Python零基础入门到精通视频合集 【整整800集】Python爬虫项目零基础入门合集，细狗都学会了，你还不会？ 开发工具 Python版本：3.7.8 相关模块： p...
简单的CNN实现——MNIST手写数字识别
0.概述 此文章不涉及复杂的理论知识，仅仅只是利用PyTorch组建一个简单的CNN去实现MNIST的手写数字识别，用好的效果去激发学习CNN的好奇心，并且以后以此为基础，去进行一些改造。（前提是把基础代码看明白） 本文CNN网络结构： 以下为最基本的代码（不需要GPU）: import torchimport torch.nn as nnimport torch.nn.functional as...
【AI数学】余弦相似性（含python实现）
的夹角余弦值代表这两个向量之间的相似度。 Cosine Similarity虽然简单，但广泛应用在AI模型中，比如CLIP计算图像embedding和文本embedding之间的相似性等。 Python实现（Pytorch版本） import torch def norm(t): return t / t.norm(dim=1, keepdim=True) def cos_sim(v1, v2): v1...
机器学习强基计划7-4：详细推导高斯混合聚类(GMM)原理(附Python实现)
目录 0 写在前面 1 高斯概率密度 2 混合高斯分布 3 GMM算法 3.1 定义 3.2 参数估计 4 Python实现 4.1 算法流程 4.2 E步 4.3 M步 4.4 可视化 0 写在前面 机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从...