kaggle叶子分类

算法分析中的贪心算法的实现,并有完整的测试数据()

Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

SMOTE插值算法，补全数据的不平衡性。(SMOTE interpolation algorithm to complete the imbalance of data.)

朴素贝叶斯分类的分类器实现，使用的是matlab语言。内含测试集和训练集，可直接运行，readme.txt文件中说明了数据格式

包含了01背包和非01背包两个程序！是我一次作业完成的,可以参考一下！()

《从零开始学爬虫》的配套资料（PPT和源码）("Learning Reptiles from Zero" (PPT and Source))

说明：  分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)

遗传算法优化小波神经网络的源程序 1 构造的非线性函数 位于nninit_test m 2 直接用WNN逼近非线性 Wnn_test()

EMD经验模态分解算法程序，适合非线性，非平稳时间序列的处理(EMD empirical mode decomposition algorithm program)

说明：  R语言构建贝叶斯网络，很实用的讲解和案例(Construction of Bayesian network with R language, a very practical explanation and case)