谦190的博客

KNN算法的编程步骤文件data.txt中的数据为：1. c++读取txt 文件到数组中的程序#include#includeusing namespace std;#define maxRow 12#define maxCol 2ifstream fin; //定义ifstream 类的对象：finofstream fout; //定义of

%leamwh 是 Widrow-Hoff规则（LMS算法）的学习函数%先生成加了噪声的线性函数P=-5:5;d=3*P-7;randn('state',2);d=d+randn(1,length(d))*1.5;figure(1);plot(P,d,'ro');%循环迭代P=[ones(1,length(d));P]Max = 150;lp.lr=0.01;ep1=0.1

注意：我的OpenCV的版本是3.0.0，可能是版本的原因吧，从网上找的测试程序一直出错。一个简单的Demo例子。#include#include #include #include #include#include "ml.hpp"#include "highgui.h"#include #include using namespace cv;using

图像用的是opencv目录中的：digits.png。每20*20像素为一个数字，图像的大小是2000*1000，一共是5000个数字，用300个作为”训练“数字，2000作为测试数字，KNN算法识别率就是高，作弊测试可以达到95%，盲测可以达到92%。全部的程序：#include#include#include#include#include#includeusing nam

逻辑回归数学推导逻辑回归Python实现

一元线性回归的数学推导一元线性回归概念用相关系数去衡量线性相关性的强弱。一元线性回归模型如果 X 和 Y 之间存在着较强的相关关系，则我们有 Y ≈ α+βX，如果我们能求出 α  和 β 的值，根据 X 的值，可以得到 Y 预测值： 如何确定  α  和 β 呢？我们确定的 α  和 β 可以使得 平方误差和最小，根据最小二乘法：式中：

python安装首先我们下载对应PC位数的python。64位就下载64的，32就对应32的，防止以后莫名其妙的出错。下载地址：https://www.python.org/getit/，我安装的是 python3.4.4版本。安装路径没有特殊的要求。一路 “确定” 到底，然后把 python和python/Scripts的路径添加到 PATH中。注意要用英文分号隔开。也不要删除PAT