说明:bagging 集成算法描述:Bagging是一种把多个不同的弱学习器训练成一个强学习器的集成学习方法Bagging是一种并行训练过程,通过分类测试样本的有放回抽样,获取多个分类测试子样本,通过分类子样本训练T个基分类器,当对每一个实例进行分类时,分别调用这T个基分类器,得到T个结果,最后对分类问题...
说明:应用背景你得到的分类器函数求值函数- -非常重要--其他代码是瞎扯淡* T,这是真正的交易,我已经用过很多次股票交易,债券,期货,等参数(对于分类侧):一个包含每个类的特征值的单元格数组。即,F { 1 }是第一 矩阵的大小numofdimensions X numofsamples;类,等。测试:...
说明:支持向量机 (SVM) 第一次听到于 1992 年,由宝狮、 尺管和在柯尔特-92 Vapnik 介绍。支持向量机 (支持向量机)是一套用于分类和回归的相关监督的学习方法。他们属于一个家庭的广义线性分类器。另一项条款,在的支持向量机 (SVM) 是一个分类和回归的预测工具,使用机器学习理论来最大化同...
说明:对于一个两类分类问题,当n=100时候,用mvnrnd()函数随机产生两类样本;每一类的样本容量不小于100;2)设计最大似然估计算法对两类类条件概率密度函数进行估计;3)设计非参数估计算法对两类的类条件概率密度进行估计(任选Parzen窗法或kn-近邻法之一),并分析样本数量、窗宽、k等因素对概率...
说明:KNN-KSR方法是一种不直接建立自变量与因变量间数学关系去预测因变量的方法。该方法基于以下两个假设:(1)在所选择的样本描述指标信息足够完备时,性质越相似的样本在同类指标间的空间分布越接近,否则其空间距离也越大;(2)如果两类指标间存在较大关联度,则样本分别在两类指标内的空间分布也具有较大相似性。...
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回归问题。