该数据集只保留了原来iris(鸢尾花卉)数据集3个类virginica,versicolor和setosa中的versicolor和setosa,并将versicolor用0.0表示,setosa用1.0表示。
每类50个样本;
每个样本是一个4维的特征向量,萼片长,萼片宽,花瓣长,花瓣宽;
2024/11/12 8:31:35 2KB iris 鸢尾花卉 数据集
1
模式识别大作业K近邻算法(KNN)C++实现,内有iris和wine数据测试以及其他相关资料。
2024/7/21 3:40:46 2.26MB 模式识别 K近邻
1
IRIS数据集,包括三个文本文件和一个EXCEL表格,主要用于验证构建的神经网络的有效性,具体代码https://blog.csdn.net/ckzhb/article/details/60571769
2024/6/21 2:27:42 8KB IRIS
1
对Iris数据进行两个特征选取,共6种组合,计算类别可分性准则函数J值,得出最好的分类组合,画出各种组合的分布图;
2、使用前期作业里面的程序、对6种组合分别使用不同方法进行基于120个训练样本30个测试样本的学习误差和测试计算,方法包括:最小距离法(均值为代表点)、最近邻法、k近邻法(k取3、5...)等;
2024/6/20 13:07:29 2KB 最小距离法
1
上述代码是利用python内置的k-means聚类算法对鸢尾花数据的聚类效果展示,注意在运行该代码时需要采用pip或者其他方式为自己的python安装sklearn以及iris扩展包,其中X=iris.data[:]表示我们采用了鸢尾花数据的四个特征进行聚类,如果仅仅采用后两个(效果最佳)则应该修改代码为X=iris.data[2:]
2024/5/9 17:25:35 727B python
1
文件为iris数据集,包括txt和csv格式,可用于机器学习分类学习。
1
对IRIS数据集进行协方差分析,降维,二维显示分类。
2024/2/23 22:53:16 92KB Iris PCA
1
matlabPCA的m文件。
数据集Iris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。
其中的一个种类与另外两个种类是线性可分离的,后两个种类是非线性可分离的。
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;&种类:IrisSetosa(山鸢尾)、IrisVersicolour(杂色鸢尾),以及IrisVirginica(维吉尼亚鸢尾
2024/2/15 18:13:37 2KB MATLAB PCA iris
1
iris数据集,用于检测分类算法效果等的常用数据集
2024/1/16 12:49:23 4KB iris
1
使用分解聚类和K-均值聚类算法在iris数据集上进行聚类并对数据集可视化。
文件包含实验报告、源代码、iris数据集。
2023/11/20 22:31:08 325KB 模式识别 Iris 聚类
1
共 46 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡