Iris数据集是常用的分类实验数据集，由Fisher,1936收集整理。
CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。
我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。
iris以鸢尾花的特征作为数据来源，常用在分类操作中。
该数据集由3种不同类型的鸢尾花的50个样本数据构成。
其中的一个品种与另外两个品种是线性可分离的，后两个品种是非线性可分离的。
该数据集包含了5个属性：&Sepal.Length（花萼长度），单位是cm;&Sepal.Width（花萼宽度），单位是cm;&Petal.Length（花瓣长度），单位是cm;&Petal.Width（花瓣宽度），单位是cm;&品种：IrisSetosa（山鸢尾）、IrisVersicolour（杂色鸢尾），以及IrisVirginica（维吉尼亚鸢尾）。
CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。
我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。
iris以鸢尾花的特征作为数据来源，常用在分类操作中。
该数据集由3种不同类型的鸢尾花的50个样本数据构成。
其中的一个品种与另外两个品种是线性可分离的，后两个品种是非线性可分离的。
该数据集包含了5个属性：&Sepal.Length（花萼长度），单位是cm;&Sepal.Width（花萼宽度），单位是cm;&Petal.Length（花瓣长度），单位是cm;&Petal.Width（花瓣宽度），单位是cm;&品种：IrisSetosa（山鸢尾）、IrisVersicolour（杂色鸢尾），以及IrisVirginica（维吉尼亚鸢尾）。
2016/1/25 4:28:45
12KB
1
Fisher线性判别实验，.m文件，各行代码功能备注明确，有利于学习，matlab直接运转，数据更改即可用于其他类别实验分析。
2019/8/5 22:51:44
2KB
1
该程序有基于MATLAB和基于AForge.NET的程序的BP神经网络完成数据的分类，本程序以Fisher的Iris数据集作为神经网络程序的测试数据集，并有演示ppt
2020/3/13 17:22:42
300KB
1
Fisher线性判别（FisherLinearDiscrimination，FLD），也称线性判别式分析(LinearDiscriminantAnalysis,LDA)。
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图
2022/9/8 5:33:15
40KB
1
部分代码：function[a,b]=fisher(A,B,X,h)%A，B表示A,B类的数据，X表示未知类别的数据。
%A,B,X的列表示不同的目标，行表示一个个体。
%h为显著性水平。
average1=mean(A);average2=mean(B);m=size(A,1);n=size(B,1);p=size(A,2);fori=1:p
%A,B,X的列表示不同的目标，行表示一个个体。
%h为显著性水平。
average1=mean(A);average2=mean(B);m=size(A,1);n=size(B,1);p=size(A,2);fori=1:p
2022/9/4 4:30:24
652B
1
决策树算法与决策树相关的重要算法1、Hunt,Marin和Stone于1966年研制的CLS学习系统，用于学习单个概念。
2、1979年,J.R.Quinlan给出ID3算法，并在1983年和1986年对ID3进行了总结和简化，使其成为决策树学习算法的典型。
3、Schlimmer和Fisher于1986年对ID3进行改造，在每个可能的决策树节点创建缓冲区，使决策树可以递增式生成，得到ID4算法。
4、1988年，Utgoff在ID4基础上提出了ID5学习算法，进一步提高了效率。
1993年，Quinlan进一步发展了ID3算法，改进成C4.5算法。
5、另一类决策树算法为CART，与C4.5不同的是，CART的决策树由二元逻辑问题生成，每个树节点只要两个分枝，分别包括学习实例的正例与反例。
CLS,ID3，C4.5，CART第6章决策树
2、1979年,J.R.Quinlan给出ID3算法，并在1983年和1986年对ID3进行了总结和简化，使其成为决策树学习算法的典型。
3、Schlimmer和Fisher于1986年对ID3进行改造，在每个可能的决策树节点创建缓冲区，使决策树可以递增式生成，得到ID4算法。
4、1988年，Utgoff在ID4基础上提出了ID5学习算法，进一步提高了效率。
1993年，Quinlan进一步发展了ID3算法，改进成C4.5算法。
5、另一类决策树算法为CART，与C4.5不同的是，CART的决策树由二元逻辑问题生成，每个树节点只要两个分枝，分别包括学习实例的正例与反例。
CLS,ID3，C4.5，CART第6章决策树
2015/7/6 13:16:21
1.15MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB