今朝相守观桑田的博客

扩展卡尔曼滤波通过对非线性函数进行线性化处理，使用雅可比矩阵来近似状态转移和测量模型，从而将卡尔曼滤波的基本框架扩展到非线性系统中。EKF的核心步骤包括状态预测、协方差预测、测量更新和协方差更新。通过本例，我们展示了如何将卡尔曼滤波扩展到非线性环境中，使用扩展卡尔曼滤波（EKF）算法进行状态估计。EKF通过对非线性函数进行线性化处理，计算雅可比矩阵，从而在非线性系统中实现卡尔曼滤波的基本框架。通过实际代码实现和结果可视化，验证了EKF在处理非线性系统中的有效性和准确性。

MachineLearning&DeepLearning：数据预处理文章目录MachineLearning&DeepLearning：数据预处理一、最大最小规范化（sklearn-preprocessing1. MinMaxScaler：[0, 1]2.MaxAbsScaler：[-1, 1]二、 标准化（sklearn-preprocessing三、正则规范化四、Box-Cox变换一、最大最小规范化（sklearn-preprocessing1. MinMaxScaler：[0, 1

核心决策理论：选择概率最高的一类作为决策.即：在出现一个需要分类的新点时，我们只需要计算这个点：max(p(c1|x,y),p(c2|x,y),p(c3| x,y)...p(cn |x,y))。其对应的最大概率标签，就是这个新点的分类。package baseNaiveBayesian;import java.io.IOException;import java.math.Big...

K最近邻算法：给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。近的点的权重大点，远的点自然就小点。package knn;import java.io.IOException;import java.util.ArrayList;import ...

【每次以信息增益最大的特征项Ai为节点建立决策树】ID3算法实现package id3;import java.io.IOException;import java.util.ArrayList;import java.util.HashMap;import java.util.HashSet;import java.util.Map;import java.util.Set;...

决策树分类算法：C4.5算法【每次以信息增益率最大的特征项Ai为节点建立决策树】【决策树算法思路参考】决策树分类算法公共基类```javapackage base;import java.io.BufferedReader;import java.io.File;import java.io.FileInputStream;import java.io.IOException;...