说明:CNN作为一种卷积神经网络已经在社会各个领域有了非常深入的应用,特别是在图像识别和人脸识别领域,然而在睡眠分类领域还没有特别完善的应用,因此在本代码中,我们设计了一种CNN框架,能有效的适应睡眠过程中分类不均匀的问题,主要分为数据输入层,卷积层,降采样层,全连接层,和分类层,该CNN框架能有效的解决...
说明:在机器学习中,随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。该算法代码实现了基于随机森林模型的分类问题。
说明:对于分类问题的快速 SMO。该算法利用由划分子部分的整个 qp 问题。因此,学习过程越来越快
说明:高斯过程在回归和分类问题中的应用,注释详细